3

我的问题是我想在 python 中使用 xarray-library 的简单功能，但是在聚合数据的情况下我遇到了时间维度的问题。

我打开了一个数据集，其中包含 2013 年的每日数据： datset=xr.open_dataset(filein).

该文件的内容是：

<xarray.Dataset>
Dimensions:       (bnds: 2, rlat: 228, rlon: 234, time: 365)
Coordinates:
  * rlon          (rlon) float64 -28.24 -28.02 -27.8 -27.58 -27.36 -27.14 ...
  * rlat          (rlat) float64 -23.52 -23.3 -23.08 -22.86 -22.64 -22.42 ...
  * time          (time) datetime64[ns] 2013-01-01T11:30:00 ...
Dimensions without coordinates: bnds
Data variables:
    rotated_pole  |S1 ''
    time_bnds     (time, bnds) float64 1.073e+09 1.073e+09 1.073e+09 ...
    ASWGLOB_S     (time, rlat, rlon) float64 nan nan nan nan nan nan nan nan ...
Attributes:
    CDI:                       Climate Data Interface version 1.7.0 (http://m...
    Conventions:               CF-1.4
    references:                http://www.clm-community.eu/
    NCO:                       4.6.7
    CDO:                       Climate Data Operators version 1.7.0

当我现在使用 groupby 方法计算每月平均值时，时间维度被破坏：

datset.groupby('time.month')
<xarray.core.groupby.DatasetGroupBy object at 0x246a250>
>>> datset.groupby('time.month').mean('time')
<xarray.Dataset>
Dimensions:    (bnds: 2, month: 12, rlat: 228, rlon: 234)
Coordinates:
  * rlon       (rlon) float64 -28.24 -28.02 -27.8 -27.58 -27.36 -27.14 ...
  * rlat       (rlat) float64 -23.52 -23.3 -23.08 -22.86 -22.64 -22.42 -22.2 ...
  * month      (month) int64 1 2 3 4 5 6 7 8 9 10 11 12
Dimensions without coordinates: bnds
Data variables:
    time_bnds  (month, bnds) float64 1.074e+09 1.074e+09 1.077e+09 1.077e+09 ...
    ASWGLOB_S  (month, rlat, rlon) float64 nan nan nan nan nan nan nan nan ...

现在我有一个值从 1 到 12 的月份维度而不是时间维度。这是“平均”函数的副作用吗？只要我不使用这个均值函数，时间变量就会被保留。

我做错了什么？文档和这个论坛中给出的例子似乎有不同的行为。在那里，除了使用每个月的第一个日期外，会保留时间戳。

我可以重塑我的旧时代维度吗？如果我想要时间戳指示月中，'time_bounds' 指示每个平均值的间隔，即月初，月底。

谢谢你的帮助，罗尼

4

1 回答 1

3

您描述的是预期行为：当您聚合并.groupby应用缩减函数时，您mean聚合的维度将替换为组的索引- 在本例中为 12 个月。

想象一下，你有一个多年的时间序列。然后ds.groupby('time.month').mean(dim='time')为您提供任何一年中每个月的平均值（例如，所有“一月”合并为一个平均值）。

你确定你不想取月平均值吗？然后ds.resample(time='1m').mean(dim='time')就是你需要的，它实际上会给你一个适当的时间维度。

但是，如果您确实想要多年聚合平均值但想要一个适当的time维度，那么您可以将新索引替换为如下索引：monthtime

ds['month'] = [datetime.datetime(2017, month, 1) for month in ds['month'].values]
ds = ds.rename({'month': 'time'})

2017您选择作为月度索引年份的年份在哪里。

于 2017-12-14T10:57:23.603 回答