xarray 计算多年 netcdf 的月平均值

Question

我有一个来自 ERA5 的 2m 温度 netcdf 文件，该文件从 2000 年到 2019 年的 04 到 10 个月，总共提供 13680 个时间步长和 61x161 经纬度维度。我想分别计算每年所有每日时间步长的月平均值。例如，我们将获得 2000 年 4 月、2000 年 5 月等数据的月平均值。我已尝试使用 xarray resample 使用以下代码，但出现两个问题。

\n

\n
1. 出于某种原因，平均值似乎多年来都是平均值。
\n
2. 重采样函数创建月份 01、02、03、11 和 12，尽管没有数据！
\n

\n

这是我\xe2\x80\x99m 谈论的内容：

\n

import xarray as xr\nds = xr.open_dataset(netcdf)\nmonthly_data=ds.resample(time='1M').mean()\n

\n

我们可以查看显示每月时间步长的时间戳，包括不相关的月份。

\n

print(np.array(monthly_data.time))\narray(['2000-04-30T00:00:00.000000000', '2000-05-31T00:00:00.000000000',\n       '2000-06-30T00:00:00.000000000', '2000-07-31T00:00:00.000000000',\n       '2000-08-31T00:00:00.000000000', '2000-09-30T00:00:00.000000000',\n       '2000-10-31T00:00:00.000000000', '2000-11-30T00:00:00.000000000',\n       '2000-12-31T00:00:00.000000000', '2001-01-31T00:00:00.000000000',\n

\n

为了验证温度的内容，我将数据转换为数据帧。

\n

temp_ar = np.array(monthly_data.t2m)    \nprint(pd.DataFrame(temp_ar[0,:,:]).head())\n          0           1           2    ...         158         159         160\n0  270.940613  270.911652  270.926727  ...         NaN         NaN         NaN\n1  271.294952  271.256744  271.250946  ...  272.948608  272.974731  272.998535\n2  271.416779  271.457214  271.483459  ...  273.123169  273.079285  273.058563\n3  271.848755  271.791382  271.784058  ...         NaN  273.264038         NaN\n4  272.226837  272.144928  272.123016  ...         NaN         NaN         NaN\n\nprint(pd.DataFrame(temp_ar[1,:,:]).head())\n   0    1    2    3    4    5    6    ...  154  155  156  157  158  159  160\n0  NaN  NaN  NaN  NaN  NaN  NaN  NaN  ...  NaN  NaN  NaN  NaN  NaN  NaN  NaN\n1  NaN  NaN  NaN  NaN  NaN  NaN  NaN  ...  NaN  NaN  NaN  NaN  NaN  NaN  NaN\n2  NaN  NaN  NaN  NaN  NaN  NaN  NaN  ...  NaN  NaN  NaN  NaN  NaN  NaN  NaN\n3  NaN  NaN  NaN  NaN  NaN  NaN  NaN  ...  NaN  NaN  NaN  NaN  NaN  NaN  NaN\n4  NaN  NaN  NaN  NaN  NaN  NaN  NaN  ...  NaN  NaN  NaN  NaN  NaN  NaN  NaN\n

\n

第二个数组（对应于 2000 年 05 月）不应该有 nan，但它确实有，并且对于所有其他时间步都是这样（由于某种原因除了最后一个）。有人知道为什么会发生这种情况吗？

\n

这是原始数据集

\n

print(ds)\n<xarray.Dataset>\nDimensions:    (latitude: 61, longitude: 161, time: 13680)\nCoordinates:\n  * longitude  (longitude) float32 -80.0 -79.9 -79.8 -79.7 ... -64.2 -64.1 -64.0\n  * latitude   (latitude) float32 50.0 49.9 49.8 49.7 ... 44.3 44.2 44.1 44.0\n  * time       (time) datetime64[ns] 2000-04-01 ... 2018-10-30T23:00:00\nData variables:\n    t2m        (time, latitude, longitude) float32 ...\nAttributes:\n    Conventions:  CF-1.6\n    history:      2020-12-07 03:50:31 GMT by grib_to_netcdf-2.16.0: /opt/ecmw...\n

\n

任何帮助都会。也许我应该尝试其他方法？\n干杯！

\n

Answer 1

我认为任何简单的方法都是使用该groupby方法

例子：

da = xr.DataArray(
    np.linspace(0, 1673, num=1674),
    coords=[pd.date_range("1/1/2000", "31/07/2004", freq="D")],
    dims="time",
)
da

输出：

<xarray.DataArray (time: 1674)>
array([0.000e+00, 1.000e+00, 2.000e+00, ..., 1.671e+03, 1.672e+03, 1.673e+03])
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 ... 2004-07-31

对于年均值，您可以执行以下操作：

da.groupby('time.year').mean()

输出：

<xarray.DataArray (year: 5)>
array([ 182.5,  548. ,  913. , 1278. , 1567. ])
Coordinates:
  * year     (year) int64 2000 2001 2002 2003 2004

对于不同年份的每月平均值，您可以创建一个多重索引：

year_month_idx = pd.MultiIndex.from_arrays([da['time.year'], da['time.month']])
da.coords['year_month'] = ('time', year_month_idx)
da.groupby('year_month').mean()

输出：

<xarray.DataArray (year_month: 55)>
array([  15. ,   45. ,   75. ,  105.5,  136. ,  166.5,  197. ,  228. ,  258.5,
        289. ,  319.5,  350. ,  381. ,  410.5,  440. ,  470.5,  501. ,  531.5,
        562. ,  593. ,  623.5,  654. ,  684.5,  715. ,  746. ,  775.5,  805. ,
        835.5,  866. ,  896.5,  927. ,  958. ,  988.5, 1019. , 1049.5, 1080. ,
       1111. , 1140.5, 1170. , 1200.5, 1231. , 1261.5, 1292. , 1323. , 1353.5,
       1384. , 1414.5, 1445. , 1476. , 1506. , 1536. , 1566.5, 1597. , 1627.5,
       1658. ])
Coordinates:
 * year_month          (year_month) MultiIndex
 * year_month_level_0  (year_month) int64 2000 2000 2000 ... 2002 2002 2002
 * year_month_level_1  (year_month) int64 1 2 3 4 5 6 7 8 ... 11 12 1 2 3 4 5 6