我正在使用xarray's groupby+ reducer 对空间栅格执行空间叠加/聚合。我想知道是否有办法为某些数据变量使用不同的减速器。例如，在下面的代码中，我想categorical_variable减少first()（或mode但似乎没有实现），并continuous_variable减少mean()

我需要将每个月的数据乘以相应月份的天数。数据为月平均降水量，乘以天数即为累计降水量。我想要一种pythonic的方式来做到这一点（也许是xarray或pandas）。我的代码如下：

例如：

数据的前三个月是：1979-01-01、1979-02-01、1979-03-01，所以：

我正在使用 xarray 读取 NetCDF 文件。每个变量有 4 个维度（Times, lev, y, x）。读取变量后，我沿 ( Times,lev ) 维度计算变量QVAPOR的平均值。计算后，我得到变量QVAPOR_mean，它是一个具有形状（y: 699, x: 639）的二维变量。

Xarray 只需 10 微秒即可读取形状数据（Times:2918, lev:36, y:699, x:639）；但是花了 60 多分钟来绘制形状数据的填充轮廓（y: 699, x: 639）。

我想知道 Xarray 怎么会花费很长时间（超过 60 分钟）来绘制大小为（y: 699, x: 639）的数组的轮廓。

我使用以下代码来读取文件并执行计算。

最后一个命令需要 60 多分钟才能完成。帮助表示赞赏。谢谢你

一个简单的示例如下所示：

如何使用标签添加to_add到坐标x中？ arra_plus

所以结果看起来像：

我正在尝试打开一系列 netcdf4 数据集。使用类似的东西：

布尔值为我提供了与我想要加载到数据集中的文件匹配的文件列表。只要目录中的所有匹配文件在（无限）时间轴上至少有一个条目，此方法就可以工作。但是，如果一个文件没有，xarray 决定只给我一个错误。

是否有一种简洁的 Pythonic 方法可以让 xarray 传递时间轴长度为零的匹配文件并仍然给我数据集，或者我是否将被迫运行 bash 脚本以事先消除异常？

我正在计算我的数据的年度平均值：

这肯定很优雅。现在我想做同样的事情，除了计算后一年从六月到五月的年平均值，而不是日历年。会有类似的单线来做到这一点吗？

我经常下载 (geo) tiff 文件，将它们保存到临时磁盘空间，然后使用rasterio读入数据以获得numpy.ndarray我可以分析的数据。

例如，将这个 url 用于 NAIP 图像：

对于其他（netcdf）地理网格数据，我可能会使用xarray从该 url 获取数据以获取 Gridmet 数据：

所以得到一个 xarray 对象作为一个流工作并且很容易进入一个ndarray，但我只知道这个在 netcdf 数据集上工作。有没有办法将 tif 数据“流式传输”到ndarray对象？理想情况下，可以这样做

asrasterio返回一个不错的元数据对象以及ndarray，尽管我还没有让它与 url 资源一起使用。谢谢。

我有 1980 年的 365 个每日 netCDF 文件。这些文件位于包含多年（1979-2013）数据的文件夹中。

当我使用打开 1980 文件时，

时间戳似乎不正确。当我打印出时间时，我得到以下信息：

为了检查文件夹中的其他文件是否正在被读取，我更改了文件夹的内容（即我删除了 2012 文件），但我仍然得到与以前相同的时间序列。我不确定出了什么问题！

NetCDF 数据的元数据如下（使用 ncdump -h）：

时间属性说

我不确定这意味着什么，这可能是问题吗？

我有一个 xarray 数据集ds

我想mean_elev用这些值替换[0.1, 0.2, 0.3, 0.4]导致这个错误的值：

试验 1

错误 2

MissingDimensionsError: cannot set variable 'mean_elev' with 3-dimensional data without explicit dimension names. Pass a tuple of (dims, data) instead.

试验 2

所以，到目前为止，我已经尝试创建一个单独的 dataArray 用于合并：

错误 2

ValueError: conflicting sizes for dimension 'latitude': length 4 on the data but length 1 on coordinate 'latitude'

对替代解决方案持开放态度或使其中一项发挥作用。

xarray 的文档解释了如何计算每月climatology的异常。在这里，我试图做一些稍微不同的事情：从每日时间序列，我想计算每日异常到本月的平均值（而不是从每月的气候学）。

我设法使用 groupby 和手动创建的每月邮票（下面的代码）来做到这一点。有没有更好、更简单的方法来获得相同的结果？