问题标签 [xarray]

这个问题在结构上类似于将行向量和列向量相乘以产生矩阵，然后对结果矩阵的行求和。

除了在行向量中每个元素都有两个值 A 和 B，在列向量中每个元素都有两个值 X 和 Y。并且该操作不是乘法，而是评估 A、B、X 和 Y 的函数。

下面的代码实现了这个目标。但是有没有办法在没有循环和诉诸 iterrows() 的情况下做到这一点？在实际问题中，行向量有数千个元素，列向量可以有数百万个元素。

我有一个从 1979 年 1 月 1 日到 2005 年 12 月 31 日的 3D 时间序列数据矩阵。该矩阵目前为 9862x360x720（日降雨量 x 0.5° 纬度 x 0.5° 经度）。我想将每日降雨量与每月降雨量相加（总共 324 个月），同时还设置一个对 NaN 值求和的阈值。

换句话说，如果特定纬度/经度网格单元格的每日 NaN 值超过 10 个，我想将每月总和单元格标记为 NaN。如果网格单元的每日 NaN 值少于 10 个，我想将剩余的非 NaN 每日值相加并将其用作每月值。

我使用 xarray 库的“重采样”函数取得了成功，但我想不出一种方法来设置 NaN 值的阈值。我读过的所有内容都说使用 sum 或 nansum 函数，但我找不到通过其中任何一个函数设置 NaN 阈值的方法。此时我对任何方法（xarray 或其他）持开放态度。

我可以使用上面的代码将每日数据汇总到每月，但我无法设置 NaN 阈值。每日数据当前存储在 NetCDF 文件中。

假设我有一个DataArray尺寸(a, b, b)：

我怎样才能进行转置，交换最后两个维度的顺序？

结果是

一样da.transpose("a", "b", "b")。

我的数据数组包含协方差矩阵，因此最终维度重复是很自然的。

假设我在 xarray 数据集中有如下所示的时间数据：

xarray 的to_netcdf()方法将时间维度输出为 int64：

因为我正在使用不支持 int64 的 THREDDS 服务器，所以我希望这些时间数据是 int32。这可以使用xarray吗？

这个 StackOverflow Q/A：在 numpy 数组中查找最近的值

展示了如何在一维 numpy 数组中搜索一个值。在沿坐标搜索的数据中搜索接近目标值的值的 xarray 等价物是什么

所以第一个搜索是找到f1Res最接近目标值 -41.2 的数据集的位置

其次是同时搜索f1Res最接近f2Res目标值 0.1 的位置的结果

第三是搜索最接近 3.15、-2.5 的结果并保持xCoord打开状态yCoordzCoord

I am converting a text file to netCDF format using xarray. When I am using netCDF4 format and Python3, it is storing string variables as strings but when I use Python2 it stores them as n-dimensional character arrays. I have tried to set dtype='str' in encoding and that didn't make any difference. Is there a way to make these variables to have string data-type using Python2? Any thoughts would be appreciated.

Here is my code:

When I do ncdump of the op_file.nc using Python3.6, I get:

And when I use Python2.7, I get:

The sample input file looks like this:

我正在尝试使用 Python 中的 xarray 将降水数据、PET 数据和温度数据从每小时重新采样到每小时 6 小时。在这一步之后，想法是将这三个数据集合并到一个 netCDF4 文件中。在此合并之前，xarray 的执行速度相当快（大约 40 秒），但保存到 netcdf 需要两天时间然后崩溃。数据总计约 25GB。

我看到这个问题经常出现，但我还没有找到任何解决方案..

在此先感谢您的帮助！

在我使用的代码下方：

我是 xarray （和 python）的新手，因此感谢您的耐心等待！

我有一个长度为 35 的一维数据数组（“p”），我想返回一个数组，其中包含 p 中相邻值的平均值（长度为 34）。但是，当我尝试使用下面显示的简单索引执行此操作时，我返回了一个长度为 33 的数组，它等于 p[1:-1]——这不是我想要的！

我明白发生了什么：xarray 正在使用自动对齐，因此我的二进制操作的结果是坐标标签的交集。解决这个问题的好方法是什么？

干杯，

麦克风

I have a dataset that is dimensioned by time and id but it also has lat and lon coordinates.

The data variable is dimensioned by time and id and what I want to do is dimension it by time, lat, and lon. For example:

Result:

The only way I can figure out how to accomplish this is to iterate over the indexes building out a new data array with the correct shape and dimensions:

Result:

But this is very expensive, is there a better way? Basically at each 'time' slice I want a diagonal array that is filled with the values from the original data. It seems like I should be able to construct a view into the original data somehow to accomplish this but I'm at a loss as to how to do it.

我正在使用xarray.open_mfdataset()函数读取多个 netCDF 格式的数据文件（WRF 模型输出文件）。我正在阅读和取消各种变量，例如 Variable和QVAPORresp 。我正在使用以下代码来读取 netCDF 变量和计算结果变量。UVUQ

使用上述代码获得的变量的维度和形状：

风变量的维度 Ex。U它的形状是

Times, lev, y, x_2 它的形状是 (1186, lev: 36, y: 699, x_2: 639)

湿度变量的维度 Ex。QVAPOR它的形状是

Times, lev, y, x 它的形状是 (1186, lev: 36, y: 699, x: 639)

乘以U和后QVAPOR；我计算UQ=U*QVAPOR. 的尺寸和形状UQ是

Times, lev, y, x_2, x and shape is (Times: 1186, lev: 36, y: 699, x_2: 639, x: 639)

所以问题如下：

我无法获得正确的尺寸。的正确尺寸UQ应该是Times, lev, y, x。任何人都可以帮助我如何将 xarray 数据集与不同的维度名称相乘。我不确定为什么我会得到 5 维的 UQ 变量，而 U 和 QVAPOR 都是 4 维。