您可以使用 stack
方法创建时间和步骤维度的多级索引。由于您的 valid_time
坐标已经具有正确的 datetime
维度,因此您还可以删除多级索引坐标,仅保留带有实际日期时间的 valid_time
坐标。
import numpy as np
import xarray as xr
import pandas as pd
# Create a dummy representation of your data
ds = xr.Dataset(
data_vars={"a": (("x", "y", "time", "step"), np.random.rand(5, 5, 3, 24))},
coords={
"time": pd.date_range(start="1999-12-31", periods=3, freq="d"),
"step": pd.timedelta_range(start="1h", freq="h", periods=24),
},
)
ds = ds.assign_coords(valid_time=ds.time + ds.step)
# Stack the time and step dims
stacked_ds = ds.stack(datetime=("time", "step"))
# Drop the multiindex if you want to keep only the valid_time coord which
# contains the combined date and time information.
# Rename vars and dims to your liking.
stacked_ds = (
stacked_ds.drop_vars("datetime")
.rename_dims({"datetime": "time"})
.rename_vars({"valid_time": "time"})
)
print(stacked_ds)
<xarray.Dataset>
Dimensions: (time: 72, x: 5, y: 5)
Coordinates:
* time (time) datetime64[ns] 1999-12-31T01:00:00 ... 2000-01-03
Dimensions without coordinates: x, y
Data variables:
a (x, y, time) float64 0.1961 0.3733 0.2227 ... 0.4929 0.7459 0.4106
这样我们就创建了一个具有连续日期时间序列作为坐标的单个时间维度。然而,它不是一个索引。对于一些方法,比如resample
,时间需要成为索引。 我们可以通过显式地将其设置为索引来解决这个问题:
stacked_ds.set_index(time="time")
stacked_ds.set_index(time="time").set_coords("time")
您也可以在DataArrays上堆叠维度。但是,它们没有rename_dims
和rename_vars
方法。相反,您可以使用swap_dims
和rename
:
(
ds.a.stack(datetime=("time", "step"))
.drop_vars("datetime")
.swap_dims({"datetime": "time"})
.rename({"valid_time": "time"})
).set_index(time="time")
time
需要成为索引,但目前不是。我们可以通过使用stacked_ds.set_index(time="time")
显式地将其设置为索引来解决这个问题。然后重新采样应该就能起作用了。将time设置为索引,出于某种原因会使它成为变量而不是coord,但我们可以通过使用set_coords("time")
来修复它。 - astoeriko