-
Notifications
You must be signed in to change notification settings - Fork 0
/
cmip5tools.py
567 lines (491 loc) · 18.9 KB
/
cmip5tools.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
# coding=utf-8
"""
Программа ранжирования моделей, по набору регионов и параметров.
Управляющий класс - ModelsEvaluation, создаём его экземпляр
>>> me=ModelsEvaluation(r'P:\Dropbox\proj\strl_modelCompForNCity\prj', 'tas')
Добавляем регион сравнения
>>> me.addRegion(r'reg02','E:\\data\\_arc_bank\\reg17\\17reg02.shp')
Добавляем даныне по одной модели
>>> me.addModel(r'E:\data\cmip5\data\tas\historical\CanESM2_historical.nc')
Добавляем задание расчёта
>>> me.addTask({'trend70-99': {'fn': 'trend', 'param': [1970, 1999], 'converter': lambda a: round(a[0] * 100, 2)}})
>>> me.addTask({'ddt70-99': {'fn': 'trendParam', 'param': ['conditionalSum',[0], 1970, 1999, lambda a: a[0], 3], 'converter':lambda a: a[0]*100}})
>>> me.addTask({'winterTrend':{'fn': 's_trend', 'param': [1970, 1999, {'w':[-1,1,2]}, 3], 'converter':lambda a: a['w'][0]*100}})
Расчтиать задание по добавленым моделям
>>> ro=me.getResultsObj()
Вывести результаты сравнения модели в виде таблицы, также записывается в *.csv файл
>>> print ro.getParametrTable('trend70-99')
Таблица рангов моделей
>>> ro.getParametrRank('trend70-99')
Сохранить проект
>>> me.save()
"""
import dill
import pickle
import shutil
import os
import logging
import glob
from altCli.dataConnections import cmip5connection
from altCli.dataConnections import ncep2Connection
from altCli.dataConnections import CRUTEMP4Connection
from altCli import metaData
from altCli import cliData
from altCli.geocalc import shpFile2shpobj, voronoi
from altCli import cc
from altCli.common import timeit
logging.basicConfig(format = u'%(filename)s[LINE:%(lineno)d]# %(levelname)-8s [%(asctime)s] %(message)s', level = logging.DEBUG)
class Model(object):
"""
@param source:
"""
def __init__(self, sourceFile, sourceConn=cmip5connection):
"""
если source - строка указывающая файл с данными cmip5 то при инициализации создаётся объект metaData
если source словарь вида {'source':sourceSrc, } то объект metaData создаётся при первом обращении,
а остальные данные из словаря переносятся в self.meta
"""
if type(sourceFile) is str:
self.source = sourceFile
elif type(sourceFile) is dict:
assert 'source' in sourceFile, "initializing dictionary should have 'source' key in it"
self.source = sourceFile['source']
self.connF=sourceConn
self.fullyInit=False
def __late_init__(self):
cdo, conn = self.getCDO()
self.cdo = cdo
self.conn = conn
self.meta = conn.cliSetMeta
self.fullyInit=True
def getCDO(self):
"""
@param source:
@return: @raise:
"""
try:
conn = self.connF(self.source)
except:
logging.critical( 'Failed to load %s' % self.source )
raise
else:
cdo = metaData(meta={'dt': conn.cliSetMeta['dt']}, dataConnection=conn)
return cdo, conn
def __getitem__(self, key):
if not self.fullyInit: self.__late_init__()
if key in self.meta:
result = self.meta[key]
elif key == 'cdo':
if self.cdo is None: self.cdo, self.conn = self.getCDO(self.source)
result = self.cdo
elif key == 'conn':
if self.cdo is None: self.cdo, self.conn = self.getCDO(self.source)
result = self.conn
return result
def save(self):
if self.fullyInit:
res=self.meta
else:
res={'source':self.source}
return res
@staticmethod
def load(saved):
return Model(saved)
class ModelsEvaluation(object):
"""
Класс для приложения по сравнению моделей
"""
#todo: добавить поддержку разных метеовеличин.
# Видимо необходимо объединять наборы данные для разных величин на более высоком уровне,
# иначе надо будет указывать лишком много всего для доступа к каждому объекту,
# к тому же большая часть функция работает только для одного типа данных
#todo: тестировать
def __init__(self,project,dt,scenario='historical'):
head, tail=os.path.split(project)
self.projectName=tail
self.homesrc = os.path.abspath(head)+'\\'
self.dt = dt
self.scenario=scenario
self.createFoldersTree()
self.regions = dict()
self.models = dict()
self.regionMeanData = dict()
self.tasks = dict()
self.obsDataSet=None
self.obsMeanData=dict()
self.obsResults=dict()
def createFoldersTree(self):
""" создать необходимые папки под проект
"""
for src in ['data\\models\\'+self.dt+'\\%s'%self.scenario, 'data\\obs\\'+self.dt, 'regshp','results\\'+self.dt]:
try:
os.makedirs(self.homesrc+src)
except WindowsError:
continue
@property
def cliDataObjList(self):
return [[self.getModelRegionMean(reg, mod),reg,mod] for mod in self.models for reg in self.regions]
def addRegion(self, name, shpFl):
""" Добавление региона в проект
"""
assert name not in self.regions, "This region name have already exist"
try:
shpFile2shpobj(shpFl)
except:
logging.critical( "%s shapefile load have failed"%shpFl )
raise
else:
head, tail=os.path.split(shpFl)
oldFn, ext=tail.split('.')
for fn in glob.glob(head+'\\'+oldFn+'.*'):
ext=fn.split('.')[-1]
shutil.copy2(shpFl, self.homesrc + 'regshp\\%s.%s' % (name,ext))
self.regions[name] = {}
self.regionMeanData[name] = dict()
self.updateRegionalMeans()
def loadRegion(self,name):
""" Загрузку региона шэйп которого уже был добавлен в проект
@param name:
"""
assert name not in self.regions, "This region name have already exist"
shpFl='.\\regshp\\%s.shp'%name
try:
shpFile2shpobj(shpFl)
except:
logging.critical( "%s shapefile load have failed"%shpFl )
raise
else:
self.regions[name] = {}
self.regionMeanData[name] = dict()
self.updateRegionalMeans()
def addModels(self, source):
"""
@param source:
"""
if type(source) is str:
source=os.path.normpath(source)
if os.path.isdir(source):
modelsLst=glob.glob(source+'\*.nc')
else:
modelsLst=[source]
for ms in modelsLst:
mo = Model(ms)
self.models[mo['modelId']] = mo
self.updateRegionalMeans()
elif hasattr(source, '__iter__'):
for el in source:
self.addModels(el)
def addTask(self,task):
"""
Добавляет задание(я) в словарь заданий
:param task: task dictionary
Example 'trend70-99': {'fn': 'trend', 'param': [1970, 1999], 'converter': lambda a: round(a[0] * 100, 2)}
"""
assert type(task) is dict
self.tasks.update(task)
def setObsData(self, inpt):
"""
@param inpt:
@return:
"""
if type(inpt) is str:
try:
self.obsDataSet=metaData.load(inpt)
except:
pass
else:
self.obsDataSet=inpt
def calcRegionalMean(self, reg, mod, replace=False):
assert reg in self.regions, "Region have not been added"
assert mod in self.models, "Model have not been added"
modObj = self.models[mod]['cdo']
thisShp = self.homesrc + 'regshp\\%s.shp' % reg
dots = modObj.setStInShape(thisShp)
if len(dots)>0:
regModelObj = metaData(modObj.meta, stList=[modObj[d] for d in dots])
cdo = regModelObj.setRegAvgData(greedy=True)
cdo.save(self.getModelDataSrc(reg,mod), replace=replace)
else:
cdo=None
logging.warning('no model data for region %s for model %s'%(str(reg),mod))
self.regionMeanData[reg][mod] = cdo
return cdo
def calcObsRegMean(self,reg, replace=False):
shp = self.homesrc + 'regshp\\%s.shp' % reg
shpobj=shpFile2shpobj(shp)
if type(shpobj) is list:
shpobj.sort(key=lambda a:a.area)
shpobj=shpobj[0]
vr=voronoi(self.obsDataSet, shpobj)
vra={i:s.area for i,s in vr.items() if s is not None}
vraSum=sum(vra.values())
vra={i:s/vraSum for i,s in vra.items()}
# dots = self.obsDataSet.setStInShape(shp)
if len(vra)>0:
regObsObj = metaData(self.obsDataSet.meta, stList=[self.obsDataSet[d] for d in vra])
cdo = regObsObj.setRegAvgData(greedy=True, weight=vra)
cdo.save(self.getObsDataSrc(reg), replace=replace)
else:
cdo=None
logging.warning('no observations for region %s'%str(reg))
self.obsMeanData[reg]=cdo
return cdo
def getModelDataSrc(self, reg, mod):
assert type(mod) is str or type(mod) is unicode
if type(reg) is not str: reg=str(reg)
src=self.homesrc+r"data\models\%s\%s\%s_%s.acd"%(self.dt, self.scenario, mod, reg)
return src
def getObsDataSrc(self,reg):
if type(reg) is not str: reg=str(reg)
return self.homesrc+r"data\obs\%s\%s.acd"%(self.dt, reg)
def getModelRegionMean(self, reg, mod):
"""
Получает среднерегиональный ряд для конкретной модели.
Проверяет нет ли нужного объекта в словаре или в файле, если нет, то рассчитывает
:param reg: region name
:param mod: model ID
:return: cliData object
"""
try:
cdo = self.regionMeanData[reg][mod]
except KeyError:
fn=self.getModelDataSrc(reg,mod)
try:
cdo=cliData.load(fn,results=True)
self.regionMeanData[reg][mod] = cdo
except IOError:
cdo = self.calcRegionalMean(reg, mod)
except ValueError:
cdo=None
return cdo
def getObsRegionMean(self, reg):
"""
:param reg:
:return: :raise AttributeError:
"""
try:
cdo = self.obsMeanData[reg]
except KeyError:
fn=self.getObsDataSrc(reg)
try:
cdo=cliData.load(fn,results=True)
self.obsMeanData[reg] = cdo
except IOError:
if self.obsDataSet is None: raise AttributeError, "please set observation data source"
cdo = self.calcObsRegMean(reg)
return cdo
def getTaskResult(self,reg,mod,taskId):
"""
Возвращает результат расчёта одного задания для конкретного ряда. Кэширующая.
:param reg:
:param mod:
:param taskId:
:return:
"""
cdo=self.getModelRegionMean(reg,mod)
try:
ans=cdo.res[taskId]
except KeyError:
ans=cdo.calcTask(self.tasks[taskId])
return ans
def getResultsObj(self):
return Results(self)
def calcAllTasks(self):
modRes= dict([(reg, dict()) for reg in self.regions])
obsRes=dict()
for cdo,reg,mod in self.cliDataObjList:
if cdo is not None:
modRes[reg][mod]=cdo.calcTask(self.tasks)
else:
modRes[reg][mod]=None
for reg,cdo in self.obsMeanData.items():
if cdo is not None:
obsRes[reg]=cdo.calcTask(self.tasks)
else:
obsRes[reg]=None
return modRes,obsRes
def updateRegionalMeans(self, reCalcAll=False):
"""
Расчитывает и записывает средние ряды для каждой модели и наблюдений для каждого региона
если они не были расчитаны ранее
"""
#self.regionMeanData[reg][mod]
for reg in self.regions:
for mod in self.models:
if reCalcAll:
cdo=self.calcRegionalMean(reg,mod,replace=True)
self.regionMeanData[reg][mod] = cdo
else:
self.getModelRegionMean(reg, mod)
if reCalcAll and self.obsDataSet is not None:
cdo=self.calcObsRegMean(reg,replace=True)
self.obsMeanData[reg]=cdo
else:
self.getObsRegionMean(reg)
def save(self,fn=None):
fn=self.projectName if fn is None else fn
modelsSaveDict = {mn:mo.save() for mn, mo in self.models.items()}
regionsSaveDict = self.regions
saveDict = {'models': modelsSaveDict, 'regions': regionsSaveDict, 'tasks':self.tasks, 'homesrc': self.homesrc, 'dt':self.dt, }
pickle.dump(saveDict, open(fn, 'w'))
for cdo,reg,mod in self.cliDataObjList:
if cdo is not None:
cdo.save(self.getModelDataSrc(reg,mod),replace=True, results=False)
@staticmethod
@timeit
def load(fn):
fn=os.path.abspath(fn)
head, tail=os.path.split(fn)
sd = pickle.load(open(fn,'r'))
loaded = ModelsEvaluation(tail, sd['dt'])
loaded.models = {k:Model(v) for k,v in sd['models'].items()}
loaded.regions = sd['regions']
loaded.obsMeanData=dict()
for reg in sd['regions']:
loaded.regionMeanData[reg]=dict()
loaded.homesrc = sd['homesrc']
loaded.tasks = sd['tasks']
loaded.dt=sd['dt']
loaded.updateRegionalMeans()
return loaded
class Results(object):
"""
Класс обработки результатов сравнения моделей
"""
def __init__(self, parent):
modRes,obsRes=parent.calcAllTasks()
self.parent=parent
self.dt=parent.dt
self.modr=modRes
self.obsr=obsRes
self.regions=list(self.obsr.keys())
self.regions.sort()
self.models=list(self.modr[self.regions[0]].keys())
self.models.sort()
self.rankFunction=lambda m,o: (m-o)/float((m+o)) if (m is not None) and (o is not None) else None
self.rankSumFunction=lambda val: cc.avg([abs(v) if v is not None else None for v in val],2)
self.mr=dict() # modelsRanks
def listtable2txt(self, table):
return '\n'.join([';'.join([str(v) for v in ln]) for ln in table])
def calcRanks(self,taskName):
if taskName not in self.mr:
self.mr[taskName]=dict()
self.mr[taskName]['reg']=dict()
self.mr[taskName]['total']=dict()
rf=self.rankFunction
for m in self.models:
rs={r:rf(self.modr[r][m][taskName],self.obsr[r][taskName]) if self.modr[r][m] is not None and self.obsr[r] is not None else None for r in self.regions}
self.mr[taskName]['reg'][m]=rs
self.mr[taskName]['total'][m]=self.rankSumFunction(rs.values())
def getParametrTable(self,taskName, converter=lambda a: round(a,2) if a is not None else None):
head=['model']+self.regions
obsline=['_obs']+[converter(self.obsr[r][taskName]) if self.obsr[r] is not None else 'None' for r in self.regions]
arr=[head, obsline]
for m in self.models:
line=[m]+[converter(self.modr[r][m][taskName]) if self.modr[r][m] is not None else 'None' for r in self.regions]
arr.append(line)
txt=self.listtable2txt(arr)
with open(self.parent.homesrc+'results\\%s\\%s_%s_values.csv'%(self.dt,self.parent.projectName,taskName),'w') as f: f.write(txt)
return txt
def getParametrRank(self,taskName):
self.calcRanks(taskName)
table=list()
for m in self.models:
table.append([m, self.mr[taskName]['total'][m]])
table.sort(key=lambda a:a[1])
txt=self.listtable2txt(table)
with open(self.parent.homesrc+'results\\%s\\%s_%s_ranks.csv'%(self.dt,self.parent.projectName,taskName),'w') as f: f.write(txt)
return txt
def getTotalRank(self,tasksList):
table=list()
for t in tasksList:
self.calcRanks(t)
for m in self.models:
v=self.rankSumFunction([self.mr[t]['total'][m] for t in tasksList])
table.append([m,v])
table.sort(key=lambda a:a[1])
txt=self.listtable2txt(table)
with open(self.parent.homesrc+'results\\%s\\TotalRank_%s_%s_ranks.csv'%(self.dt,self.parent.projectName,str(tasksList)),'w') as f: f.write(txt)
# старый класс сравнения моделей
import clidataSet as clidat
class modelSet():
"""
!!! УСТАРЕВШИЙ !!!
Класс набора моделей, реалезующий ф-ии сравнения моделей и построения ансамблей
"""
def __init__(self,dt):
raise DeprecationWarning, "this class was replaced by following classes - ModelsEvaluation, Model, Results"
self.models=dict()
self.dt={'dt':dt}
self.regionsDict=dict()
self.regionsAvg=dict()
self.results=dict()
self.scenario=None
def setModelData(self,modList,dt):
"""
Подключаем исходные данные моделей
"""
scenariosList=list()
for fn in modList:
conn=cmip5connection(fn,dt)
self.models[conn.modelId]=clidat.metaData(meta={'dt':dt},dataConnection=conn)
scenariosList.append(self.models[conn.modelId].meta['scenario'])
if len(set(scenariosList))>1: raise StandardError, "different scenarios used in different files"
if self.scenario is None: self.scenario=scenariosList[0]
if scenariosList[0]!=self.scenario:
raise StandardError, "scenario set as %s, you trying to load %s"%(self.scenario, scenariosList[0])
self.results={mod:dict() for mod in self.models if mod not in self.results}
pass
def loadRegionMeanData(self,fn):
cdo=cliData.load(fn)
reg,mod=cdo.meta['region'], cdo.meta['model']
if reg not in self.regionsAvg: self.regionsAvg[reg]=dict()
try:
self.regionsAvg[reg][mod]=cdo
except KeyError:
print 'cliData object should have "region" and "model" keys in the meta dictionary'
raise
else:
self.models[mod]=None
self.results[mod]=dict()
pass
def addRegion(self,shp,name):
"""
Добавляем в словарь узлы сетки попадающие в данный полигон для каждой модели
"""
self.regionsDict[name]={modName:modObj.setStInShape(shp) for modName,modObj in self.models.items()}
self.regionsAvg[name]={modName:None for modName in self.models}
def getRegionMean(self,region,model):
"""
Кэшируюшая ф-я получения среднерегионального ряда для какой-либо модели
"""
if self.regionsAvg[region][model] is None:
dots=self.regionsDict[region][model]
stList=[self.models[model][d] for d in dots]
cso=clidat.metaData({'dt':self.dt}, stList=stList)
cdo=cso.setRegAvgData()
self.regionsAvg[region][model]=cdo
r=cdo
else:
r=self.regionsAvg[region][model]
return r
def calcRegParam(self,task,region=None):
"""
расчитывает задание в формате {уникальное имя:{fn:имя функции, param:[параметры]}}
для каждого среднерегионального каждой модели и сохраняет результат в self.results
"""
rList=[region] if region is not None else [r for r in self.regionsAvg]
for modName, modObj in self.models.items():
for reg in rList:
res=self.regionsAvg[reg][modName].calcTask(task)
if modName not in self.results: print self.results
self.results[modName].update({reg:res})
return self.results
def printModRegFunctValTable(self,fname):
"""
Выводит таблицу значенией функции для каждого регионаб для каждой модели
"""
txt='\t' + '\t'.join([str(reg) for reg in self.regionsAvg]) + '\n'
for mod in self.models:
txt+=mod+'\t'.join([str(self.results[mod][reg][fname]) for reg in self.regionsAvg])+'\n'
return txt