logo标签列表

如何使用新维度重塑xarray数据

pythonpython-xarray
4

我对xarray库还比较陌生，目前遇到一个看起来非常简单的问题。我有一份全球气候数据的GRIB文件，其中包含了不同的30km网格数据。数据看起来是这样的：

<xarray.Dataset>
Dimensions:     (time: 736, values: 542080)
Coordinates:
    number      int64 0
  * time        (time) datetime64[ns] 2007-12-01 ... 2008-03-01T21:00:00
    step        timedelta64[ns] 00:00:00
    surface     int64 0
    latitude    (values) float64 89.78 89.78 89.78 ... -89.78 -89.78 -89.78
    longitude   (values) float64 0.0 20.0 40.0 60.0 ... 280.0 300.0 320.0 340.0
    valid_time  (time) datetime64[ns] 2007-12-01 ... 2008-03-01T21:00:00
Dimensions without coordinates: values
Data variables:
    t2m         (time, values) float32 247.30748 247.49889 ... 225.18036
Attributes:
    GRIB_edition:            1
    GRIB_centre:             ecmf
    GRIB_centreDescription:  European Centre for Medium-Range Weather Forecasts
    GRIB_subCentre:          0
    Conventions:             CF-1.7
    institution:             European Centre for Medium-Range Weather Forecasts
    history:                 2020-01-21T09:40:59 GRIB to CDM+CF via cfgrib-0....

好的，我可以访问不同时间点并绘制内容，甚至使用data.t2m.data访问每个单元格的数据。但是，该数据仅由time和value索引，后者是-我假设-单元格编号标识符，但未将latitude和longitude视为有意义的维度。

在文档中，作者使用airtemp再分析数据作为示例，这些数据由lat、lon和time索引，这正是我想要对我的数据集进行的操作。

<xarray.Dataset>
Dimensions:  (lat: 25, lon: 53, time: 2920)
Coordinates:
  * lat      (lat) float32 75.0 72.5 70.0 67.5 65.0 ... 25.0 22.5 20.0 17.5 15.0
  * lon      (lon) float32 200.0 202.5 205.0 207.5 ... 322.5 325.0 327.5 330.0
  * time     (time) datetime64[ns] 2013-01-01 ... 2014-12-31T18:00:00
Data variables:
    air      (time, lat, lon) float32 ...
Attributes:
    Conventions:  COARDS
    title:        4x daily NMC reanalysis (1948)
    description:  Data is from NMC initialized reanalysis\n(4x/day).  These a...
    platform:     Model
    references:   http://www.esrl.noaa.gov/psd/data/gridded/data.ncep.reanaly...

在xarray环境中有一种简单的重新索引方法吗？ 我猜我只需提取numpy数组然后转到pandas或其他类似的方式，但我发现xarray库非常强大且有用。

1个回答
3

一种方法可能是手动构建一个由纬度和经度变量组成的 pandas.MultiIndex，将其分配为 values 维度的坐标，然后对数据集进行 unstack 操作：

import pandas as pd

index = pd.MultiIndex.from_arrays(
    [ds.longitude.values, ds.latitude.values], names=['lon', 'lat']
)
ds['values'] = index
reshaped = ds.unstack('values')

更多相关信息请参阅xarray文档中“重塑和重新组织数据”部分下的此章节。

内存可能会是一个问题。 - Ales
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接