o X*j). @s&dZddlZddlZddlmZddlZdedefddZdejddfd d Z gd Z d"d edededefddZ d edefddZ  d#d ededede dedejf ddZ  d#d edede dedef ddZd edede fddZd edefddZ  d#d ededede dedef d d!ZdS)$u reader.py — Leitura de arquivos binários GrADS com TEMPLATE Suporta: big-endian / little-endian, stream (direto) ou sequential (Fortran) N)datetimedtypereturncCst|dr dSdS)zDtype do marcador de registro Fortran (4 bytes) com o mesmo endianness dos dados: arquivos BYTESWAPPED ("u4)str startswithrr =/dados/sismom/SisMOM/sismom_fig/Figuras_Eta/scripts/reader.py _marker_dtype sr arrcCsltttj}tdt|d}tjddtj|t|||k<WddS1s/wYdS)aCSubstitui valores UNDEF por NaN in-place. Usa tolerancia relativa ao magnitude do UNDEF (float32) para cobrir tanto o UNDEF padrao (9.99e20) quanto UNDEFs de grande magnitude negativa como -2.56E+33 (GPOSETA/BESM), onde a ULP do float32 e ~3e26 e a tolerancia fixa de 1e14 nunca identificaria o valor. gļBg-C6?ignore)invalidN) floatnpfloat32configUNDEFmaxabserrstatenan)r Zundef32tolr r r _mask_undefs "r)%Y%m%d%Hz%Y%d%Hz%Y%m%drdata_dir timestampfmtcCs,||}tj|tj}tj||S)z?Monta o nome do arquivo com um formato de timestamp especifico.)strftimer FILE_PREFIX FILE_SUFFIXospathjoin)rrrtagfnamer r r _build_filename,s r&cCsttdd}|st||d}tj|r|SdS|r(t|||}tj|r(|StD]}||kr1q*t|||}tj|rA|Sq*dS)a Localiza o arquivo .bin para um dado timestamp. Estrategia: 1. Usa config.FILE_TIMESTAMP_FMT (definido por file_timestamp no config.yaml) 2. Fallback: tenta todos os formatos em _TIMESTAMP_FORMATS Retorna o caminho completo se encontrado, ou None. FILE_TIMESTAMP_FMTrN)getattrrr&r!r"exists_TIMESTAMP_FORMATS)rrZ primary_fmtfpathrr r r _resolve_filename3s      r-Fvar_name sequentialc Cst||}|dur(|d}td|d|dttjdttjd|p,tj}tjtj }}||} | d} tj |} t |d M} |r~t | d D]-} | d}|s_td |ttj|t|d d }| |}| d| | kr||}qOn| | }| || | }Wdn1swYt|| krtd|d|d| dt|tj||d tj}|||f}ttddr|dddddf}t||S)u Lê um campo 2D de uma variável em um dado instante. Parameters ---------- data_dir : diretório onde estão os arquivos .bin timestamp : datetime do passo de tempo desejado var_name : nome da variável (ex: 'TP2M') sequential : True se o arquivo tem marcadores Fortran (4 bytes antes/depois de cada campo) dtype : override do dtype (default: config.DTYPE) Returns ------- np.ndarray shape (NY, NX) com undef substituído por np.nan NrArquivo nao encontrado para  em ' ' (prefixo= , sufixo=)rbzFim inesperado do arquivo em rrzBytes insuficientes para 'z' em z : esperado z, lido YREVF)r-rFileNotFoundErrorreprrrr DTYPENXNY VAR_INDEXopenrangereadEOFErrorintr frombufferr seeklen ValueErrorastyperreshaper)r)rrr.r/rr,r$nxnynfloatsnbytesZvar_idxfiZ rec_len_bytesrec_lenZ data_bytesrawoffsetr r r r read_fieldSsf            rTcst||}|dur(|d}td|d|dttjdttjd|p,tj}tjtj t tdt tj }|rg}t |d <}t|D]/} ttj|d t|d d } || } |d |tj| |d tjfqOWdn1swYn1tj||d |} j| krtd |dtjdt| fddt|D}i} tj D]~}t|tr|dn|d }t|trt|dd pd nd }tj|}t tdd}|d kr'g}t|D]!}||| }|r|dddddf}t!|||qtj"|d d| |<q|| }|r;|dddddf}t!||| |<q| S)u Lê todos os campos de um arquivo de uma vez (mais eficiente que leituras individuais). Returns ------- dict {var_name: np.ndarray (NY, NX)} Nrr0r1r2r3r4 NVARS_FIELDSr6r5rrzArquivo z tem z valores, esperado >= cs.g|]}||dfqS)r7)rJ).0rPrMrKrLZraw_allr r s z#read_all_fields..namenlevr8Fr9)axis)#r-rr:r;rrr r<r=r>r)rG VARIABLESr@rArDrrErBr appendrIrrJfromfilesizerHr isinstancedictgetr?copyrstack)rrr/rr,r$n_fieldsZall_rawrO_rQrRexpectedresultvrYrZidx_yrevarrskr r rWr read_all_fieldss~           "       rncCst||duS)zLVerifica se o arquivo correspondente ao timestamp existe (qualquer formato).N)r-)rrr r r file_existssrocsfddtjDS)z@Retorna lista de timestamps para os quais existem arquivos .bin.csg|] }t|r|qSr )ro)rVtrr r rXsz-list_available_timestamps..)r TIMESTAMPSrqr rqr list_available_timestampssrs var_level_mapcst||}|dur(|d}td|d|dttjdttjd|p,tj}tjtj }|d}t td d fd d } i} |ri} | D]!\} } tj | }| durh| df| |<qT| D] }| |f| ||<qjqTt td t tj}i}t|dP}t|D]@}ttj|dt|dd}||}|d|| vr| |\} }| tj||d}|dur||| <q||| i|<qWd|} | S1swY|} | St|dY}| D]K\} } tj | }| dur|||||}| tj||d| | <qi}| D]}||||||}| tj||d||<q|| | <qWd| S1sDwY| S)aM Le apenas os campos especificos solicitados (minimo uso de memoria). Ao inves de ler todos os nlev niveis de cada variavel 3D, le apenas os niveis necessarios para gerar as figuras (plot_levels). Parameters ---------- var_level_map : dict {var_name: None} -> variavel 2D: le 1 campo {var_name: [k0, k1, ...]} -> variavel 3D: le apenas esses indices de nivel Returns ------- dict: {var_name: np.ndarray(NY, NX)} para vars 2D {var_name: {k: np.ndarray(NY, NX)}} para vars 3D (k = indice do nivel) Nrr0r1r2r3r4r5r8Fcs>|tj}r|dddddf}t||S)Nr9)rIrrrJrcr)r rkrKrLr r _cleansz%read_fields_selective.._cleanrUr6rr)r-rr:r;rrr r<r=r>r)itemsr?rGr\r@rArDrrErBr setdefaultrF)rrrtr/rr,r$rMrNrvrhZneededvarZlevel_ksbasermretmprOfirQrRZlev_kr Zlev_dictr rur read_fields_selectives                      r})r)FN)__doc__r!numpyrrrrr ndarrayrr+r&r-boolrTrarnrolistrsr}r r r r sn $ L M