| Name | meteofetch JSON |
| Version |
0.5.1
JSON |
| download |
| home_page | None |
| Summary | Package python pour récupérer les données modélisées de prévision de MétéoFrance et de l'ECMWF |
| upload_time | 2025-04-20 21:57:14 |
| maintainer | None |
| docs_url | None |
| author | Cyril Joly |
| requires_python | >=3.8 |
| license | None |
| keywords |
|
| VCS |
 |
| bugtrack_url |
|
| requirements |
No requirements were recorded.
|
| Travis-CI |
No Travis.
|
| coveralls test coverage |
No coveralls.
|
<div align="center">
[](https://pypi.org/project/meteofetch/)
[](https://anaconda.org/conda-forge/meteofetch)
[](https://meteofetch.readthedocs.io)
[](https://github.com/CyrilJl/meteofetch/actions/workflows/pytest.yml)
[](https://app.codacy.com/gh/CyrilJl/MeteoFetch/dashboard?utm_source=gh&utm_medium=referral&utm_content=&utm_campaign=Badge_grade)
<a href="https://github.com/CyrilJl/meteofetch">
<img src="https://raw.githubusercontent.com/CyrilJl/MeteoFetch/main/_static/logo.svg" alt="Logo" width="250"/>
</a>
</div>
``MeteoFetch`` est un client python qui permet de récupérer **sans clé d'API** les dernières prévisions de :
- MétéoFrance : Arome (0.025°, 0.01°, et les cinq domaines Outre-Mer) et Arpege (0.25° et 0.1°) : plus de précisions sur <https://meteo.data.gouv.fr>
- l'ECMWF : IFS, chaîne ``ope``, deux runs par jour : plus de précisions sur <https://www.ecmwf.int/en/forecasts/datasets/open-data>
L'utilisateur peut choisir de :
- télécharger les fichiers grib correspondant dans le dossier de son choix
- charger les données de son choix dans un dictionnaire de ``xr.DataArray`` prêts pour l'analyse (les fichiers grib sont téléchargés dans un dossier temporaire et supprimés après chargement des données souhaitées). Les ``xr.DataArrays`` [respectent le standard CF](https://cfchecker.ncas.ac.uk/) ([Climate and Forecast](https://cfconventions.org/))
Pour connaître les champs téléchargeables pour chaque modèle, des nomenclatures sont disponibles à <https://meteofetch.readthedocs.io>.
# Installation
Le package est disponible sur Pypi :
```console
pip install meteofetch
```
Le package est également disponible sur conda-forge :
```console
conda install -c conda-forge meteofetch
```
Ou :
```console
mamba install meteofetch
```
# Utilisation rapide
```python
from meteofetch import Arome0025
datasets = Arome0025.get_latest_forecast(paquet='SP3')
datasets['ssr']
```
Par défaut, ``meteofetch`` sert à l'utilisateur toutes les variables contenues dans le paquet requêté.
Il est cependant conseillée de préciser les variables voulues pour limiter l'usage mémoire :
```python
from meteofetch import Arome001
datasets = Arome001.get_latest_forecast(paquet='SP1', variables=('u10', 'v10'))
datasets['u10']
datasets = Arome001.get_latest_forecast(paquet='SP2', variables='sp')
datasets['sp']
```
Vous pouvez ensuite utiliser les méthodes usuelles proposées par ``xarray`` pour traiter les ``DataArray`` :
```python
import xarray as xr
import matplotlib.pyplot as plt
from meteofetch import Arpege01
dim = "points"
coords = ["Paris", "Edimbourg"]
x = xr.DataArray([2.33, -3.18], dims=dim)
y = xr.DataArray([48.9, 55.95], dims=dim)
datasets = Arpege01.get_latest_forecast(paquet="SP1", variables="t2m")
plt.figure(figsize=(8, 3))
datasets["t2m"].sel(lon=x, lat=y, method="nearest").assign_coords(
{dim: coords}
).plot.line(x="time")
```
Ou encore :
```python
from meteofetch import Arome001
datasets = Arome001.get_latest_forecast(paquet='SP3', variables='h')
datasets['h'].plot(cmap='Spectral_r', vmin=0, vmax=3000)
```
Les domaines Outre-Mer sont également disponibles :
```python
from meteofetch import (
AromeOutreMerAntilles,
AromeOutreMerGuyane,
AromeOutreMerIndien,
AromeOutreMerNouvelleCaledonie,
AromeOutreMerPolynesie,
)
datasets = AromeOutreMerIndien.get_latest_forecast(paquet="SP1")
datasets["t2m"].mean(dim="time").plot(cmap="Spectral_r")
```
``meteofetch`` permet également de charger les fichiers gribs de la prévision souhaitée à l'endroit où le souhaite l'utilisateur.
```python
from meteofetch import Ecmwf
path = 'your/folder/'
Ecmwf.get_latest_forecast(path=path, return_data=False)
```
Raw data
{
"_id": null,
"home_page": null,
"name": "meteofetch",
"maintainer": null,
"docs_url": null,
"requires_python": ">=3.8",
"maintainer_email": null,
"keywords": null,
"author": "Cyril Joly",
"author_email": null,
"download_url": "https://files.pythonhosted.org/packages/c8/d7/294baa5b5ce345b2d7110493bb3a814121462850360ae027f56835d0abe8/meteofetch-0.5.1.tar.gz",
"platform": null,
"description": "<div align=\"center\">\n \n[](https://pypi.org/project/meteofetch/)\n[](https://anaconda.org/conda-forge/meteofetch)\n[](https://meteofetch.readthedocs.io)\n[](https://github.com/CyrilJl/meteofetch/actions/workflows/pytest.yml)\n[](https://app.codacy.com/gh/CyrilJl/MeteoFetch/dashboard?utm_source=gh&utm_medium=referral&utm_content=&utm_campaign=Badge_grade)\n\n <a href=\"https://github.com/CyrilJl/meteofetch\">\n <img src=\"https://raw.githubusercontent.com/CyrilJl/MeteoFetch/main/_static/logo.svg\" alt=\"Logo\" width=\"250\"/>\n </a>\n\n</div>\n\n``MeteoFetch`` est un client python qui permet de r\u00e9cup\u00e9rer **sans cl\u00e9 d'API** les derni\u00e8res pr\u00e9visions de :\n\n- M\u00e9t\u00e9oFrance : Arome (0.025\u00b0, 0.01\u00b0, et les cinq domaines Outre-Mer) et Arpege (0.25\u00b0 et 0.1\u00b0) : plus de pr\u00e9cisions sur <https://meteo.data.gouv.fr>\n- l'ECMWF : IFS, cha\u00eene ``ope``, deux runs par jour : plus de pr\u00e9cisions sur <https://www.ecmwf.int/en/forecasts/datasets/open-data>\n\nL'utilisateur peut choisir de :\n\n- t\u00e9l\u00e9charger les fichiers grib correspondant dans le dossier de son choix\n- charger les donn\u00e9es de son choix dans un dictionnaire de ``xr.DataArray`` pr\u00eats pour l'analyse (les fichiers grib sont t\u00e9l\u00e9charg\u00e9s dans un dossier temporaire et supprim\u00e9s apr\u00e8s chargement des donn\u00e9es souhait\u00e9es). Les ``xr.DataArrays`` [respectent le standard CF](https://cfchecker.ncas.ac.uk/) ([Climate and Forecast](https://cfconventions.org/))\n\nPour conna\u00eetre les champs t\u00e9l\u00e9chargeables pour chaque mod\u00e8le, des nomenclatures sont disponibles \u00e0 <https://meteofetch.readthedocs.io>.\n\n# Installation\n\nLe package est disponible sur Pypi :\n\n```console\npip install meteofetch\n```\n\nLe package est \u00e9galement disponible sur conda-forge :\n\n```console\nconda install -c conda-forge meteofetch\n```\n\nOu :\n\n```console\nmamba install meteofetch\n```\n\n# Utilisation rapide\n\n```python\nfrom meteofetch import Arome0025\n\ndatasets = Arome0025.get_latest_forecast(paquet='SP3')\ndatasets['ssr']\n```\n\nPar d\u00e9faut, ``meteofetch`` sert \u00e0 l'utilisateur toutes les variables contenues dans le paquet requ\u00eat\u00e9.\nIl est cependant conseill\u00e9e de pr\u00e9ciser les variables voulues pour limiter l'usage m\u00e9moire :\n\n```python\nfrom meteofetch import Arome001\n\ndatasets = Arome001.get_latest_forecast(paquet='SP1', variables=('u10', 'v10'))\ndatasets['u10']\n\ndatasets = Arome001.get_latest_forecast(paquet='SP2', variables='sp')\ndatasets['sp']\n```\n\nVous pouvez ensuite utiliser les m\u00e9thodes usuelles propos\u00e9es par ``xarray`` pour traiter les ``DataArray`` :\n\n```python\nimport xarray as xr\nimport matplotlib.pyplot as plt\nfrom meteofetch import Arpege01\n\ndim = \"points\"\ncoords = [\"Paris\", \"Edimbourg\"]\nx = xr.DataArray([2.33, -3.18], dims=dim)\ny = xr.DataArray([48.9, 55.95], dims=dim)\n\ndatasets = Arpege01.get_latest_forecast(paquet=\"SP1\", variables=\"t2m\")\n\nplt.figure(figsize=(8, 3))\ndatasets[\"t2m\"].sel(lon=x, lat=y, method=\"nearest\").assign_coords(\n {dim: coords}\n).plot.line(x=\"time\")\n```\n\n\n\nOu encore :\n\n```python\nfrom meteofetch import Arome001\n\ndatasets = Arome001.get_latest_forecast(paquet='SP3', variables='h')\n\ndatasets['h'].plot(cmap='Spectral_r', vmin=0, vmax=3000)\n```\n\n\n\nLes domaines Outre-Mer sont \u00e9galement disponibles :\n\n```python\nfrom meteofetch import (\n AromeOutreMerAntilles,\n AromeOutreMerGuyane,\n AromeOutreMerIndien,\n AromeOutreMerNouvelleCaledonie,\n AromeOutreMerPolynesie,\n)\n\ndatasets = AromeOutreMerIndien.get_latest_forecast(paquet=\"SP1\")\ndatasets[\"t2m\"].mean(dim=\"time\").plot(cmap=\"Spectral_r\")\n```\n\n\n\n``meteofetch`` permet \u00e9galement de charger les fichiers gribs de la pr\u00e9vision souhait\u00e9e \u00e0 l'endroit o\u00f9 le souhaite l'utilisateur.\n\n```python\nfrom meteofetch import Ecmwf\n\npath = 'your/folder/'\nEcmwf.get_latest_forecast(path=path, return_data=False)\n```\n",
"bugtrack_url": null,
"license": null,
"summary": "Package python pour r\u00e9cup\u00e9rer les donn\u00e9es mod\u00e9lis\u00e9es de pr\u00e9vision de M\u00e9t\u00e9oFrance et de l'ECMWF",
"version": "0.5.1",
"project_urls": {
"Documentation": "https://meteofetch.readthedocs.io",
"Homepage": "https://github.com/CyrilJl/meteofetch"
},
"split_keywords": [],
"urls": [
{
"comment_text": null,
"digests": {
"blake2b_256": "13022fdc4180479047b7a6cd5a3e41d601fade7ed961611c49fab1242c269529",
"md5": "5ab27f04a1e128f4241699fa2058c0fa",
"sha256": "0d5649c12a0aa2e1f42b189d009ea12f2883cb40792d7f44c4b9989756cac499"
},
"downloads": -1,
"filename": "meteofetch-0.5.1-py3-none-any.whl",
"has_sig": false,
"md5_digest": "5ab27f04a1e128f4241699fa2058c0fa",
"packagetype": "bdist_wheel",
"python_version": "py3",
"requires_python": ">=3.8",
"size": 35679,
"upload_time": "2025-04-20T21:57:12",
"upload_time_iso_8601": "2025-04-20T21:57:12.664593Z",
"url": "https://files.pythonhosted.org/packages/13/02/2fdc4180479047b7a6cd5a3e41d601fade7ed961611c49fab1242c269529/meteofetch-0.5.1-py3-none-any.whl",
"yanked": false,
"yanked_reason": null
},
{
"comment_text": null,
"digests": {
"blake2b_256": "c8d7294baa5b5ce345b2d7110493bb3a814121462850360ae027f56835d0abe8",
"md5": "0efae5d90a970ead9931b5f43f844ff3",
"sha256": "1a1570b1968df4a8cbd979a69f60b731e8efa01af0f61f65932f65f90113c7e4"
},
"downloads": -1,
"filename": "meteofetch-0.5.1.tar.gz",
"has_sig": false,
"md5_digest": "0efae5d90a970ead9931b5f43f844ff3",
"packagetype": "sdist",
"python_version": "source",
"requires_python": ">=3.8",
"size": 1161993,
"upload_time": "2025-04-20T21:57:14",
"upload_time_iso_8601": "2025-04-20T21:57:14.245560Z",
"url": "https://files.pythonhosted.org/packages/c8/d7/294baa5b5ce345b2d7110493bb3a814121462850360ae027f56835d0abe8/meteofetch-0.5.1.tar.gz",
"yanked": false,
"yanked_reason": null
}
],
"upload_time": "2025-04-20 21:57:14",
"github": true,
"gitlab": false,
"bitbucket": false,
"codeberg": false,
"github_user": "CyrilJl",
"github_project": "meteofetch",
"travis_ci": false,
"coveralls": false,
"github_actions": true,
"lcname": "meteofetch"
}
