In [18]:

    

import netCDF4
import pandas as pd
import datetime as dt


    

In [19]:

    

url='http://dods.ndbc.noaa.gov/thredds/dodsC/data/pwind/44066/44066p9999.nc'
nc = netCDF4.Dataset(url).variables
print nc.keys()
print nc['gust_spd']


    

    




[u'time', u'latitude', u'longitude', u'gust_dir', u'gust_spd', u'gust_time']
<type 'netCDF4.Variable'>
float32 gust_spd(u'time', u'latitude', u'longitude')
    long_name: Gust Speed
    short_name: gsp
    standard_name: gust_speed
    units: meters/second
    _FillValue: 99.0
unlimited dimensions = (u'time',)
current size = (16050, 1, 1)

In [22]:

    

time_var = nc['time']
jd = netCDF4.num2date(time_var[:],time_var.units)
start = dt.datetime(2013,6,13,10,0,0)
stop = dt.datetime(2013,6,14,0,0,0)
istart = netCDF4.date2index(start,time_var,select='nearest')
istop = netCDF4.date2index(stop,time_var,select='nearest')
gust = nc['gust_spd'][istart:istop,:,:].flatten()
jd = jd[istart:istop]


    

In [25]:

    

df = pd.Series(gust[:],index=jd)
df.plot(figsize=(12,4),style='ro')


    

    
Out[25]:





<matplotlib.axes.AxesSubplot at 0x30d9ad0>






    

In [24]:

    

gust


    

    
Out[24]:





masked_array(data = [-- -- -- -- -- 5.0 -- -- -- -- -- 7.0 -- -- -- -- -- 6.0 -- -- -- -- --
 8.0 -- -- -- -- -- 9.0 -- -- -- -- -- 10.0 -- -- -- -- -- 27.0 -- -- -- --
 -- 52.0 -- -- -- -- -- 6.0 -- -- -- -- -- 9.0 -- -- -- -- -- 7.0 -- -- --
 -- -- 7.0],
             mask = [ True  True  True  True  True False  True  True  True  True  True False
  True  True  True  True  True False  True  True  True  True  True False
  True  True  True  True  True False  True  True  True  True  True False
  True  True  True  True  True False  True  True  True  True  True False
  True  True  True  True  True False  True  True  True  True  True False
  True  True  True  True  True False  True  True  True  True  True False],
       fill_value = 99.0)

In [ ]: