Pythonで気象データを扱うときのポイント～Pythonで気象GPVデータを可視化しよう～

佐野栄治
19 分前
読了時間: 5分

こんにちは。TeamSABOTENのプログラミング教材を制作している佐野栄治です。

解説動画「Pythonで気象GPVデータを可視化しよう」シリーズの制作を行っています。

■解説動画「Pythonで気象GPVデータを可視化しよう」

【簡易版】：Python初心者でも安心。環境設定やGPVデータの解説も。

【正規版】：複数天気図を1枚に。高機能かつ拡張性もバッチリ。

【鉛直断面図オプション（正規版用）】：大気を立体的に把握できる鉛直断面図描画機能。

※Python基本文法の解説は含まれておりません。

今回は、Pythonで実際にプログラミングを始めている方向けに、特に「気象データを扱うにあたって」ぶつかるであろう壁とその乗り越え方について、私が実際に経験して感じたことをお話ししていきたいと思います。

私も今まで散々壁にぶつかってきましたし、今もこれからもぶつかり続けながら進めていくと思いますので、参考にしていただければ幸いです。

気象データを扱うに当たって、Python入門レベルとは一線を画しているのが、「扱うデータの構成の違い」だと思います。

Python入門書では、数値や文字列など、1つの変数に1つの単純なものを入れている例が多いと思います。

一方、気象データは緯度、経度、高度（気圧面）といった3次元の空間データを扱います。またそれらを時系列で扱うことも多いです。つまり「多次元」のデータですね。

空間の中の格子点ごとに値を持っていて、その1つ1つの格子点においても、温度、湿度、風速など、さまざまな物理量を持っているので、合計のデータ量は非常に多くなります。

それを扱うために、Python本体のほか、大量のデータを効率的に扱うための専用ライブラリがいくつか用意されています。NumPy、Pandas、Xarrayなどがそれに当たります。これらは入門書では出てこないので、戸惑うかもしれません。

ちなみに解説動画やサンプルでは、Xarrayを中心に扱っていますが、それ以外のライブラリも使用しています。

「なんで似たようなライブラリを混在して使うの？ややこしい！」

と思いますよね（私も思いました）。それぞれのライブラリに得意分野があったり、ライブラリの中で別のライブラリを使っていたりするので、これはある程度仕方ないところなのです。

それぞれのライブラリには膨大な機能がありますが、すべてを覚える必要はまったくありません。使う機能だけ覚えれば充分ですし、忘れたら調べ直せばいいだけです。最初は混乱しますが、使っているうちに、なんとなくこういうものかと勝手がわかってきます。「確かこんなことできたような・・どうするんだっけ」と思えるようになったらシメたものです。まずは一通り暗記、なんて思いは捨てていただいて結構です。

データを扱う上でもう一つ重要なのは、「頭の中にデータを正しく描くこと」です。

お話ししたように、気象で扱うデータは多次元で複雑なものが多いです。日本周辺域の数日分のさまざまな気象データの集合体が1つの変数に格納されていたりします。それを抽出したり、変換したりして、どんどんデータの形を変えながら処理を進めていきます。例えば、特定の時刻と気圧面のみ取り出したり、ある時刻の範囲の降水量を格子点ごとに足し込んだり、自由自在に加工していくわけです。ですので、「今この変数の中はどういう形になっているんだっけ」と常に頭の中にデータを描きながら、それに合った正しいコードを書いていくことが必要になります。