标签: python-xarray

如何从 Python Xarray 数据集（例如雨量数据轴）绘制条形图？

我已经在使用此代码来调整绘图大小

fig, ax = plt.subplots(figsize=(9, 9)) #redimensionamento do gr\xc3\xa1fico\ndsfanadia.rain.plot(ax=ax)\n

我正在使用一个名为 PySD 的包进行系统动力学建模。PySD 将模型从 Vensim（系统动力学建模包）转换为 Python，并允许用户用比 Vensim 更复杂的例程替换各种方程。我正在运行一个具有各种下标的模型，这会创建一种不寻常的输出格式。输出被读入数据帧，其下标元素的各个值最终为 xarray.DataArrays。我想知道如何获取 xarray.DataArrays 的列（最终成为一个系列）并将其转换为二维数组，第二个维度是下标的数量。

import pysd
import numpy as np

model=pysd.load("Example.py")
stocks=model.run
pop=np.array(Population) #Creates an object array
Population=stocks.Populaton #Creates a series

#How to get an array of population values for each country?

example.py代码如下（请记住这是一个任意示例来说明问题）

from __future__ import division
import numpy as np
from pysd import utils
import xarray as xr

from pysd.functions import cache
from pysd import functions

_subscript_dict = {
    'Country': ['Canada', 'USA', 'China', 'Norway', 'India', 'England', 
'Mexico', 'Yemen']
}

_namespace = { …

我正在尝试通过使用 Xarrays 的高级绘图功能制作共享颜色条来微调我的子图。目前我的情节看起来我想制作一个通用的颜色条并修复 yaxis，以便只有第一个子图 y 轴有刻度和标签。我用来绘制它的代码如下所示：

fig, (ax1, ax2) = plt.subplots(ncols=2, sharey=True, figsize=(14,10))
Var1_monthly_clim_N.plot(ax=ax1,vmin=6, vmax=14, cmap='jet');

Var2_monthly_clim_S.plot(ax=ax2, vmin=6, vmax=14, cmap='jet', yticks=[]);
## why is yticks removing ticks from both axis
## Var1 and Var 2 have similiar dimensions
Var1
>><xarray.DataArray 'R_metric' (month: 12, lat: 1, lon: 720)>
array([[[ 9.899495,  9.942897, ...,  9.814826,  9.856807]],

   [[ 9.578215,  9.610594, ...,  9.514423,  9.546191]],

   ...,

   [[11.974784, 12.019565, ..., 11.886591, 11.930419]],

   [[10.237672, 10.285891, ..., 10.142638, 10.189836]]])
Coordinates:
* lon      (lon) float32 -180.0 -179.5 -179.0 -178.5 …

我有 1 个 2007 年 9 月的 NetCDF 文件。它包含某些纬度/经度的 6 小时数据以及风和湿度变量。每个变量的形状为(120, 45, 93)：120 次（每天 4 次），45 个纬度和 93 个经度。使用以下代码，我可以获得所有变量的每日平均数据。现在，每个变量的形状都是(30, 45, 93)。时间是一个整数，单位为'hours since 1900-01-01 00:00:00.0'。

从这个每日平均数据中，如何将每天分成 30 个不同的 NetCDF 文件，文件名包含YYYY:MM:DD时间格式？

import xarray as xr
monthly_data = xr.open_dataset('interim_2007-09-01to2007-09-31.nc') 
daily_data = monthly_data.resample(time='1D').mean()

对于我的数据数组，我有坐标经度、纬度和时间。我只想沿纬度反转数组，以便[90, 85, ..., -85, -90]变为[-90, -80, ..., 85, 90].

我在 python 中有一个 numpy 数组，大小 (16,250,186) 表示时间、纬度和经度。

我想将其转换为 netCDF 文件，以便将来可以使用坐标轻松读取数据。

我的 numpy 数组看起来像这样

RZS = np.load("/home/chandra/Data/rootzone_CHIRPS_era5_2003-2015_daily-analysis_annual-result.npy")
RZS.shape

Output: (16, 250, 186)

如您所见，我上面的 numpy 数组表示 16 年的年度值。

chirps_precip =xarray.open_mfdataset("/home/chandra/Data/CHIRPS/chirps-v2.0.2000.days_p25.nc")
precip = chirps_precip.precip.sel(latitude = slice(-50,12.5), longitude = slice(-81.25,-34.75))
precip[0,:,:]

Output:
<xarray.DataArray 'precip' (latitude: 250, longitude: 186)>
dask.array<shape=(250, 186), dtype=float32, chunksize=(250, 186)>
Coordinates:
  * latitude   (latitude) float32 -49.875 -49.625 -49.375 ... 12.125 12.375
  * longitude  (longitude) float32 -81.125 -80.875 -80.625 ... -35.125 -34.875
    time       datetime64[ns] 2000-01-01
Attributes:
    units:               mm/day
    standard_name:       convective precipitation rate …

假设我有以下内容 DataArray

arr = xarrray.DataArray(np.arange(6).reshape(2,3),
                        dims=['A', 'B'],
                        coords=dict(A=['a0', 'a1'], 
                                    B=['b0', 'b1', 'b2']))

我想迭代第一个维度并执行以下操作（当然我想做比打印更复杂的事情）

for coor in arr.A.values:
    print(coor, arr.sel(A=coor).values)

并得到

a0 [0 1 2]
a1 [3 4 5]

我是新手xarray，所以我想知道是否有一些更自然的方法来实现这一点，比如

for coor, sub_arr in arr.some_method():
    print(coor, sub_arr)

我有一个交换纬度和经度位置的 NetCDF 文件。

我通常使用的 Netcdf 的标准方式定义如下：

<xarray.DataArray 'pev' (time: 365, latitude: 480, longitude: 1440)>
Coordinates:
  * time       (time) datetime64[ns] 2001-01-01T11:30:00 ... 2001-12-31T11:30:00
  * longitude  (longitude) float32 0.0 0.25 0.5 0.75 ... 359.25 359.5 359.75
  * latitude   (latitude) float32 59.75 59.5 59.25 59.0 ... -59.5 -59.75 -60.0

但是我正在处理的 NetCDF 的规格如下：

<xarray.DataArray 'ETa' (time: 12, longitude: 720, latitude: 360)>
Coordinates:
  * latitude   (latitude) float64 89.75 89.25 88.75 ... -88.75 -89.25 -89.75
  * longitude  (longitude) float64 -179.8 -179.2 -178.8 ... 178.8 179.2 179.8 …

我正在尝试使用 xarray 在数据集中的所有坐标对（即像素）apply_ufunc上应用给定函数f。

该函数f返回一个二维数组（NxN 矩阵）作为结果。因此，分析后得到的 Dataset 会有几个新变量：总共是M新变量。

该功能f确实工作得很好。所以，错误似乎不是来自它。

一个可能的问题可能是 2D 数组从 返回的结构f。据我了解，xarray.apply_ufunc要求结果数组以元组结构。所以，我什至尝试将二维数组转换为数组元组，但到目前为止没有任何效果。

这种情况可以在其他地方的其他作品被选中的作品也是如此。在本链接中，作者必须在原始数据集上运行两次相同的线性回归拟合函数，以便从回归中检索所有参数（beta_0 和 alpha）。

因此，我想知道，是否xarray.apply_ufunc能够像上面的链接（或下面的代码片段）中那样操作归约函数，该函数返回多个新变量。

下面我展示了一个涉及所讨论问题的可重现代码。请注意，该函数f返回一个二维数组。第二维的深度是4。因此，我希望在整个处理后得到一个带有4个新变量的结果数据集。

import numpy as np
import xarray as xr


x_size = 10
y_size = 10
time_size = 30

lon = np.arange(50, 50+x_size)
lat = np.arange(10, 10+y_size)
time = np.arange(10, 10+time_size)

array = np.random.randn(y_size, x_size, time_size)

ds = xr.DataArray(
    data=array, 
    coords = {'lon':lon, 'lat':lat, 'time':time}, …

我开始用网格数据开始我的旅程，我一直在尝试从带有 cartopy 的 netcdf 文件中绘制一些温度数据。我遵循了一些例子，我不明白为什么我的情节在中间有一条白线。（我已经检查了数据，矩阵中充满了数字，没有 NaN）

import cartopy.crs as ccrs
import matplotlib.pyplot as plt
import numpy as np
import xarray as xr
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatterimport glob


data = xr.open_dataset('aux1.nc')
lat = data.lat
lon = data.lon
time = data.time
Temp = data.air


#Calculo la temperatura media anual
Tanual = Temp.resample(time="y").mean()
#Promedio de todos los meses
Tprom = Temp.mean(dim="time").values


#Grafico
fig = plt.figure(figsize=(10, 4))
ax = fig.add_subplot(1, 1, 1, projection=ccrs.PlateCarree())
ax.coastlines()
ax.set_global()
ct = ax.contourf(lon,lat,Tprom,transform=ccrs.PlateCarree(),cmap="bwr")
ax.gridlines()
cb = plt.colorbar(ct,orientation="vertical",extendrect='True')
cb.set_label("Temperatura …