KeyError: 'lon'，解决这个问题

<think>我们遇到了KeyError:'lon'，这意味着在数据集ds中不存在名为'lon'的变量。这通常是因为不同的数据集对经度、纬度的命名可能不同。常见的替代名称有：-经度：'longitude','x','long'-纬度：'latitude','y','lat'-时间：'time','t'-气压层：'level','pressure','lev'解决方法：1.检查数据集中的变量名：我们可以打印出数据集的所有变量名，然后选择正确的经度、纬度变量名。2.使用通用方法：尝试常见的变量名。我们可以先打印出数据集中的变量名，然后根据打印结果调整代码。修改后的代码（在读取数据后添加打印）：```pythonprint(ds.data_vars)#打印所有数据变量print(ds.coords)#打印所有坐标变量```通常，经度和纬度可能是坐标变量（coords）也可能是数据变量（data_vars）。我们可以根据打印结果调整变量名。假设打印结果中经度名为'longitude'，纬度名为'latitude'，那么我们需要将代码中的'lon'改为'longitude'，'lat'改为'latitude'。如果经度纬度变量名确实不同，我们需要修改提取部分的代码。以下是修改后的代码示例（假设变量名为'longitude'和'latitude'）：```pythonimportxarrayasxrimportnumpyasnpimportmatplotlib.pyplotaspltimportcartopy.crsasccrsimportcartopy.featureascfeatureimportmetpy.calcasmpcalcfrommetpy.unitsimportunits#读取NetCDF文件file_path=r'C:/Users/25636/Desktop/bi/ziji/zhengduanfx/first/ziliao/200307.nc'ds=xr.open_dataset(file_path)#打印变量名以便调试print("数据变量:",ds.data_vars.keys())print("坐标变量:",ds.coords.keys())#根据实际变量名调整#假设经度名为'longitude'，纬度名为'latitude'lons=ds['longitude'].valueslats=ds['latitude'].values#提取其他变量，同样需要根据实际名称调整q=ds['q'].isel(time=0)*units('kg/kg')u=ds['u'].isel(time=0)*units('m/s')v=ds['v'].isel(time=0)*units('m/s')levels=ds['level'].values#选择850hPa层level_idx=np.where(levels==850)[0][0]q_850=q[level_idx]u_850=u[level_idx]v_850=v[level_idx]#...其余代码保持不变...```如果变量名确实不同，请根据打印结果替换相应的变量名。如果经度纬度在坐标变量中，我们也可以使用ds.coords['longitude']来获取。另外，如果经度纬度是多维的（例如，可能是二维数组），那么处理方法会有所不同。但在大多数气象数据中，经度和纬度通常是一维的。如果经度纬度是二维的，我们可以这样获取：```pythonlons=ds['longitude'].valueslats=ds['latitude'].values#注意：此时lons和lats是二维数组，需要确保后续计算网格间距时使用正确的坐标#metpy的lat_lon_grid_deltas函数可以处理二维经纬度数组```如果问题仍然存在，请根据具体的错误信息调整。###另一种方法：重命名变量如果不想修改后续代码中的变量名，我们可以重命名数据集中的变量：```pythonds=ds.rename({'longitude':'lon','latitude':'lat'})```这样，后续就可以继续使用`ds['lon']`和`ds['lat']`了。###完整修改后的代码（使用重命名方法）：```pythonimportxarrayasxrimportnumpyasnpimportmatplotlib.pyplotaspltimportcartopy.crsasccrsimportcartopy.featureascfeatureimportmetpy.calcasmpcalcfrommetpy.unitsimportunits#读取NetCDF文件file_path=r'C:/Users/25636/Desktop/bi/ziji/zhengduanfx/first/ziliao/200307.nc'ds=xr.open_dataset(file_path)#尝试重命名变量rename_dict={}#检查常见的经度名称if'longitude'inds.coordsor'longitude'inds.data_vars:rename_dict['longitude']='lon'if'long'inds.coordsor'long'inds.data_vars:rename_dict['long']='lon'if'x'inds.coordsor'x'inds.data_vars:rename_dict['x']='lon'#检查常见的纬度名称if'latitude'inds.coordsor'latitude'inds.data_vars:rename_dict['latitude']='lat'if'y'inds.coordsor'y'inds.data_vars:rename_dict['y']='lat'if'lat'inds.coordsor'lat'inds.data_vars:#如果已经是lat，就不需要重命名passelse:#如果上面都没有，那么尝试其他可能，这里只是示例，需要根据实际情况添加pass#执行重命名ifrename_dict:ds=ds.rename(rename_dict)#现在尝试提取lon和lattry:lons=ds['lon'].valueslats=ds['lat'].valuesexceptKeyErrorase:#如果重命名后还是没有，打印可用变量print("重命名后仍找不到经度或纬度变量。")print("可用坐标变量:",list(ds.coords.keys()))print("可用数据变量:",list(ds.data_vars.keys()))raisee#提取其他变量，同样需要根据实际名称调整q=ds['q'].isel(time=0)*units('kg/kg')u=ds['u'].isel(time=0)*units('m/s')v=ds['v'].isel(time=0)*units('m/s')levels=ds['level'].values#选择850hPa层level_idx=np.where(levels==850)[0][0]q_850=q[level_idx]u_850=u[level_idx]v_850=v[level_idx]#计算水汽通量qu=q_850*u_850*100#乘以100转换为常用单位kg/(m·s)qv=q_850*v_850*100#计算水汽通量大小qv_magnitude=np.sqrt(qu**2+qv**2)#计算水汽通量散度dx,dy=mpcalc.lat_lon_grid_deltas(lons,lats)#计算网格间距div_qv=mpcalc.divergence(qu,qv,dx=dx,dy=dy)*1e6#转换为10^-6kg/(m²·s)#创建地图投影proj=ccrs.PlateCarree()#绘制水汽通量图plt.figure(figsize=(12,8))ax=plt.axes(projection=proj)ax.add_feature(cfeature.COASTLINE,linewidth=0.8)ax.add_feature(cfeature.BORDERS,linestyle=':',linewidth=0.5)ax.set_extent([lons.min(),lons.max(),lats.min(),lats.max()],crs=proj)#使用Matplotlib的'Blues'colormapcf=ax.contourf(lons,lats,qv_magnitude,levels=30,cmap='Blues',transform=proj)plt.colorbar(cf,ax=ax,orientation='horizontal',pad=0.05,aspect=50,label='WaterVaporFluxMagnitude(kg/(m·s))')#绘制风矢量(每5个点取一个)step=5ax.quiver(lons[::step],lats[::step],qu.values[::step,::step],qv.values[::step,::step],scale=300,color='black',transform=proj)ax.set_title('850hPaWaterVaporFluxandVector',fontsize=16)plt.savefig('water_vapor_flux.png',dpi=300,bbox_inches='tight')#绘制水汽通量散度图plt.figure(figsize=(12,8))ax2=plt.axes(projection=proj)ax2.add_feature(cfeature.COASTLINE,linewidth=0.8)ax2.add_feature(cfeature.BORDERS,linestyle=':',linewidth=0.5)ax2.set_extent([lons.min(),lons.max(),lats.min(),lats.max()],crs=proj)#绘制散度填色图div_levels=np.linspace(-5,5,21)cf2=ax2.contourf(lons,lats,div_qv,levels=div_levels,cmap='RdBu_r',extend='both',transform=proj)plt.colorbar(cf2,ax=ax2,orientation='horizontal',pad=0.05,aspect=50,label='WaterVaporFluxDivergence(10$^{-6}$kg/(m$^{2}$·s))')#添加零散度线ax2.contour(lons,lats,div_qv,levels=[0],colors='k',linewidths=1.5,transform=proj)ax2.set_title('850hPaWaterVaporFluxDivergence',fontsize=16)plt.savefig('water_vapor_flux_divergence.png',dpi=300,bbox_inches='tight')plt.close('all')```###解释：1.**重命名策略**：我们创建了一个重命名字典，将常见的经度纬度名称（如'longitude','latitude'）重命名为代码中使用的'lon'和'lat'。2.**错误处理**：如果重命名后仍然找不到，则打印出所有可用的变量名，并抛出异常。3.**通用性**：这种方法可以处理多种命名情况，提高了代码的通用性。###注意事项：-如果数据集的经度纬度是二维的，上述代码也能处理，因为`mpcalc.lat_lon_grid_deltas`函数可以处理二维经纬度数组。-如果数据集中的变量名与预期相差很大，可能需要根据打印的变量名手动调整。§§相关问题§§:1.在xarray中如何处理不同命名约定的气象数据变量？2.如何自动检测和重命名数据集中的坐标变量？3.当气象数据集的经度纬度是二维数组时，如何正确计算网格间距？4.在Cartopy中如何设置不同区域的地图投影？</think>当遇到 `KeyError: 'lon'` 错误时，这通常表示你的 NetCDF 文件中没有名为 'lon' 的变量。这可能是由于文件使用了不同的命名约定。以下是详细的解决方案： ### 解决方案 #### 1. 检查文件中的实际变量名 首先，我们需要查看文件中实际存在的变量名： ```python import xarray as xr file_path = r'C:/Users/25636/Desktop/bi/ziji/zhengduanfx/first/ziliao/200307.nc' ds = xr.open_dataset(file_path) # 打印所有变量名 print("数据集变量:", list(ds.variables.keys())) # 打印坐标变量 print("\n坐标变量:", list(ds.coords.keys())) # 打印数据变量 print("\n数据变量:", list(ds.data_vars.keys())) ``` #### 2. 根据实际变量名调整代码 根据上一步的输出结果，调整变量名。以下是常见的替代名称： ```python # 常见的经度变量名替代方案 possible_lon_names = ['longitude', 'lon', 'x', 'long', 'Longitude', 'LONGITUDE'] possible_lat_names = ['latitude', 'lat', 'y', 'Latitude', 'LATITUDE'] # 找到实际使用的变量名 actual_lon_name = None actual_lat_name = None for name in possible_lon_names: if name in ds.variables: actual_lon_name = name break for name in possible_lat_names: if name in ds.variables: actual_lat_name = name break if actual_lon_name is None or actual_lat_name is None: print("错误: 找不到经度或纬度变量") print(f"可用变量: {list(ds.variables.keys())}") exit(1) # 使用找到的变量名 lons = ds[actual_lon_name].values lats = ds[actual_lat_name].values # 其他变量同理 q = ds['q'].isel(time=0) * units('kg/kg') u = ds['u'].isel(time=0) * units('m/s') v = ds['v'].isel(time=0) * units('m/s') levels = ds['level'].values ``` #### 3. 完整修正后的代码 将上述解决方案整合到完整代码中： ```python import xarray as xr import numpy as np import matplotlib.pyplot as plt import cartopy.crs as ccrs import cartopy.feature as cfeature import metpy.calc as mpcalc from metpy.units import units # 读取NetCDF文件 file_path = r'C:/Users/25636/Desktop/bi/ziji/zhengduanfx/first/ziliao/200307.nc' ds = xr.open_dataset(file_path) # 打印所有变量名（调试用） print("数据集变量:", list(ds.variables.keys())) # 查找经纬度变量 possible_lon_names = ['longitude', 'lon', 'x', 'long', 'Longitude', 'LONGITUDE'] possible_lat_names = ['latitude', 'lat', 'y', 'Latitude', 'LATITUDE'] actual_lon_name = next((name for name in possible_lon_names if name in ds.variables), None) actual_lat_name = next((name for name in possible_lat_names if name in ds.variables), None) if actual_lon_name is None: raise KeyError("找不到经度变量。可用变量: " + ", ".join(ds.variables.keys())) if actual_lat_name is None: raise KeyError("找不到纬度变量。可用变量: " + ", ".join(ds.variables.keys())) # 提取变量 lons = ds[actual_lon_name].values lats = ds[actual_lat_name].values # 检查维度顺序（有时纬度在前，有时经度在前） if len(lons.shape) == 1: # 一维坐标 pass elif len(lons.shape) == 2: # 二维坐标网格 if lons.shape[0] == lats.shape[0]: # 假设第一维度是纬度 lons = lons[0, :] if lons.shape[0] > 1 else lons lats = lats[:, 0] if lats.shape[1] > 1 else lats else: # 转置数组 lons = lons.T[0, :] lats = lats.T[:, 0] # 提取其他变量 q = ds['q'].isel(time=0) * units('kg/kg') u = ds['u'].isel(time=0) * units('m/s') v = ds['v'].isel(time=0) * units('m/s') levels = ds['level'].values # 选择850hPa层 level_idx = np.where(levels == 850)[0][0] q_850 = q[level_idx] u_850 = u[level_idx] v_850 = v[level_idx] # 计算水汽通量 qu = q_850 * u_850 * 100 qv = q_850 * v_850 * 100 qv_magnitude = np.sqrt(qu**2 + qv**2) # 计算水汽通量散度 dx, dy = mpcalc.lat_lon_grid_deltas(lons, lats) div_qv = mpcalc.divergence(qu, qv, dx=dx, dy=dy) * 1e6 # 创建地图投影 proj = ccrs.PlateCarree() # 绘制水汽通量图 plt.figure(figsize=(12, 8)) ax = plt.axes(projection=proj) ax.add_feature(cfeature.COASTLINE, linewidth=0.8) ax.add_feature(cfeature.BORDERS, linestyle=':', linewidth=0.5) ax.set_extent([lons.min(), lons.max(), lats.min(), lats.max()], crs=proj) # 绘制水汽通量 cf = ax.contourf(lons, lats, qv_magnitude, levels=30, cmap='Blues', transform=proj) plt.colorbar(cf, ax=ax, orientation='horizontal', pad=0.05, aspect=50, label='Water Vapor Flux Magnitude (kg/(m·s))') # 绘制风矢量 step = max(1, len(lons) // 30) # 自适应步长 ax.quiver(lons[::step], lats[::step], qu.values[::step, ::step], qv.values[::step, ::step], scale=300, color='black', transform=proj) ax.set_title('850hPa Water Vapor Flux and Vector', fontsize=16) plt.savefig('water_vapor_flux.png', dpi=300, bbox_inches='tight') # 绘制水汽通量散度图 plt.figure(figsize=(12, 8)) ax2 = plt.axes(projection=proj) ax2.add_feature(cfeature.COASTLINE, linewidth=0.8) ax2.add_feature(cfeature.BORDERS, linestyle=':', linewidth=0.5) ax2.set_extent([lons.min(), lons.max(), lats.min(), lats.max()], crs=proj) # 绘制散度 div_levels = np.linspace(-5, 5, 21) cf2 = ax2.contourf(lons, lats, div_qv, levels=div_levels, cmap='RdBu_r', extend='both', transform=proj) plt.colorbar(cf2, ax=ax2, orientation='horizontal', pad=0.05, aspect=50, label='Water Vapor Flux Divergence (10$^{-6}$ kg/(m$^{2}$·s))') # 添加零散度线 ax2.contour(lons, lats, div_qv, levels=[0], colors='k', linewidths=1.5, transform=proj) ax2.set_title('850hPa Water Vapor Flux Divergence', fontsize=16) plt.savefig('water_vapor_flux_divergence.png', dpi=300, bbox_inches='tight') plt.close('all') print("绘图完成!") ``` ### 问题原因及解释 1. **KeyError 原因**： - NetCDF 文件使用不同的命名约定（如 'longitude' 代替 'lon'） - 文件可能使用缩写（如 'x'、'y'）或大写形式（如 'LON'） - 数据可能使用非标准坐标系 2. **解决方案要点**： - **变量名探测**：自动尝试常见经纬度变量名 - **维度处理**：处理一维或二维坐标系统 - **错误处理**：提供明确的错误信息，列出可用变量 - **自适应步长**：根据数据密度自动调整矢量密度 3. **特殊情况处理**： - 如果经纬度是二维数组（网格坐标），代码会自动提取主要维度 - 添加了维度顺序检查，防止纬度经度顺序颠倒 - 使用 `next()` 函数简化变量名查找逻辑 ### 其他可能的问题及解决 1. **如果找不到 'q', 'u', 'v' 等变量**： ```python # 类似方法查找其他变量 possible_q_names = ['q', 'shum', 'specific_humidity', 'SPECHUM'] actual_q_name = next((name for name in possible_q_names if name in ds.variables), None) if actual_q_name is None: raise KeyError("找不到比湿变量") q = ds[actual_q_name].isel(time=0) * units('kg/kg') ``` 2. **如果时间维度有问题**： ```python # 选择第一个时间步长 if 'time' not in ds.dims: # 尝试其他常见时间维度名 time_dim = next((dim for dim in ['time', 't', 'Time', 'TIME'] if dim in ds.dims), 'time') else: time_dim = 'time' q = ds['q'].isel(**{time_dim: 0}) * units('kg/kg') ``` 3. **如果气压层不是 'level'**： ```python possible_level_names = ['level', 'lev', 'pressure', 'plev'] actual_level_name = next((name for name in possible_level_names if name in ds.dims), 'level') levels = ds[actual_level_name].values ```