标签: python-xarray

我有一个“dataarray”，我正在尝试使用 roxarray 重新投影它。但是，当我使用 xarray.to_netcdf 进行重投影后，保存的文件是一个数据集，其中“spatial_ref”坐标转换为变量。我不确定是 xarray 还是 rioxarray.reprojection 导致了这种行为。以下是一些显示问题的代码：

import xarray as xr 
import rioxarray
from pyproj import CRS 

lst = xr.open_dataset("lst.nc") # File which carries the original CRS
luc = xr.open_rasterio("luc.tif") # File with the desired projection system
file_to_reproject = xr.open_dataarray("myfile.nc") # File to reproject

cc_lst = CRS.from_cf(lst.crs.attrs) # Get the CRS 
cc_luc = luc.rio.crs

file_to_reproject = file_to_reproject.rio.write_crs(cc_lst) # write crs 
file_reprojected= file_to_reproject.rio.reproject(cc_luc) #reproject the file

print(file_reprojected)
<xarray.DataArray (season: 4, y: 4343, x: 4172)>
array([[[nan, nan, nan, ..., nan, …

我有一个 xarray 数据集，其中包含时间、纬度、经度和压力水平维度。纬度从 90\xc2\xb0 到 -90\xc2\xb0。但我需要从 -90\xc2\xb0 到 90\xc2\xb0 的它们。如何以改变变量维度的方式扭转维度？

我有三个变量（T2M、U50M、V50M），我想从中找到多年来的一月平均值、二月平均值等。我有一个 xarry.Dataset - 名称 Multidata：

Dimensions:  (time: 17520, lat: 17, lon: 15)
Coordinates:
  * lat      (lat) float64 47.0 47.5 48.0 48.5 49.0 ... 53.0 53.5 54.0 54.5 55.0
  * lon      (lon) float64 6.25 6.875 7.5 8.125 8.75 ... 13.12 13.75 14.38 15.0
  * time     (time) datetime64[ns] 2001-01-01T00:30:00 ... 2002-12-31T23:30:00
Data variables:
    T2M      (time, lat, lon) float32 dask.array<chunksize=(24, 17, 15), meta=np.ndarray>
    V50M     (time, lat, lon) float32 dask.array<chunksize=(24, 17, 15), meta=np.ndarray>
    U50M     (time, lat, lon) float32 dask.array<chunksize=(24, 17, 15), meta=np.ndarray>

我尝试过： ---- …

我想使用 xarray 创建一个数据集，并希望在创建数据集时向变量添加属性。xarray文档提供了一种添加全局属性的方法。例如如下：

ds = xr.Dataset(
data_vars=dict(
    'temperature'=(["x", "y", "time"], temperature),
    'precipitation'=(["x", "y", "time"], precipitation),
),
coords=dict(
    lon=(["x", "y"], lon),
    lat=(["x", "y"], lat),
    time=time,
    reference_time=reference_time,
),
attrs=dict(description="Weather related data."),)

添加变量属性的一种方法是这样的：

ds['temperature'].attrs = {"units": K, '_FillValue': -999}

但是，在我看来，这更像是更新属性。有没有办法在直接使用创建数据集时直接分配属性xr.Dataset？

当使用 xarray 在 x,y 位置选择数据时，我会获取任何 x,y 对的数据。我希望从选择中获得一维数组而不是二维数组。有没有有效的方法来做到这一点？（现在我正在用 for 循环来做......）

x = [x1,x2,x3,x4] y = [y1,y2,y3,y4]

DS = 二维数组

subset = Dataset.sel(longitude=x, latitude=y, method='nearest')

换句话说，我希望数据集位于 [x1,y1]、[x2,y2]、[x3,y3]、[x4,y4]，而不是其他位置，即 [x1,y2]。

我正在尝试使用 xarray 打开 RINEX 数据集。虽然我已经安装了“netcfd4”和“scipy”，但我收到以下值错误。

ValueError: did not find a match in any of xarray's currently installed IO backends ['netcdf4', 'scipy']. Consider explicitly selecting one of the installed engines via the ``engine`` parameter, or installing additional IO dependencies, see:
http://xarray.pydata.org/en/stable/getting-started-guide/installing.html
http://xarray.pydata.org/en/stable/user-guide/io.html

当我再次尝试安装 scipy 和 netcdf4 时，我收到以下消息。

Defaulting to user installation because normal site-packages is not writeable
Requirement already satisfied: netcdf4 in c:\users\sdasgupta.student\appdata\roaming\python\python39\site-packages (1.6.1)
Requirement already satisfied: numpy>=1.9 in c:\programdata\anaconda3\lib\site-packages (from netcdf4) (1.21.5)
Requirement already satisfied: cftime in c:\users\sdasgupta.student\appdata\roaming\python\python39\site-packages (from netcdf4) …

当我在 numpy 中使用权重进行跑步/滚动平均时，我会做这样的事情：

data = np.random.random(100)  # Example data...
weights = np.array([1, 2, 1])
data_m = np.convolve(data, weights/float(np.sum(weights)), "same")

然后根据应用将 data_m[0] 和 data_m[-1] 替换为 nans 等。

可以用 xarray 做类似的事情。我所做的（在这种情况下）是

xr.DataArray(data).rolling(dim_0=3, center=True).mean(dim="dim_0")

但这对应于权重

weights = np.array([1, 1, 1])

在 numpy 示例中。使用 xarray 时，我将如何应用其他权重？

我在 xarray 数据集中加载了 Netcdf 文件，我想制作没有闰日的日常气候学，即不包含 2 月 29 日。我正在尝试该Dataset.drop方法的语法对我来说不是那么直观。这是数据集

print(ds)
>><xarray.Dataset>
Dimensions:        (lat: 1, lev: 1, lon: 720, time: 27133)
Coordinates:
* lon            (lon) float32 -180.0 -179.5 -179.0 ... 178.5 179.0 179.5
* lev            (lev) float32 1.0
* time           (time) datetime64[ns] 2000-01-02T18:00:00 ... 2018-07-30
Dimensions without coordinates: lat
Data variables:
Var1              (time, lev, lon) float32 ...
Var2              (time, lat, lon) float64 ...
Var3              (time, lat, lon) float64 ...

我试过

ds_N_R.drop(['Var1', 'Var2', 'Var3'], time='2000-02-29')
>>TypeError: drop() got …

问题：
当至少一个输入值是 nan 时，我想重新采样一个 xarray 数据集，例如总和或平均值，每个结果值都是 nan。使用 pandas，我可以轻松应用自己的均值、求和等函数，为我提供我喜欢的 nan 处理。xarray 也允许 resample.apply(own_func) 但我在定义自己的 func 时遇到问题。

示例（来自 xarray 的文档）：

dat=np.linspace(0, 11, 12)
dat[2]=np.nan
da = xr.DataArray(dat,
                  coords=[pd.date_range('15/12/1999',
                                        periods=12, 

freq=pd.DateOffset(months=1))],
                      dims='time')

da.resample(time="QS-DEC").sum()

我得到的：

<xarray.DataArray (time: 4)>
array([ 1., 12., 21., 30.])
Coordinates:
  * time     (time) datetime64[ns] 1999-12-01 2000-03-01 2000-06-01 2000-09-01

@JulianGiles 回答：

da.resample(time="QS-DEC",skipna=False).mean()
<xarray.DataArray (time: 4)>
array([ 0.5,  4. ,  7. , 10. ])
Coordinates:
  * time     (time) datetime64[ns] 1999-12-01 2000-03-01 2000-06-01 2000-09-01

我想要的是：

<xarray.DataArray (time: 4)>
array([ …

我在 s3 中有每月的 zarr 文件，这些文件具有网格化的温度数据。我想为一个纬度/经度提取多个月的数据并创建该时间序列的数据框。一些伪代码：

datasets=[]
for file in files:
    s3 = s3fs.S3FileSystem()        
    zarr_store = s3fs.S3Map(file, s3=s3)
    zarr = xr.open_zarr(store=zarr_store, consolidated=True)
    ds = zarr.sel(latitude=lat,
                  longitude=long,
                  time=slice(start_date.strftime("%Y-%m-%d"),
                             end_date.strftime("%Y-%m-%d"))
                       )
    datasets.append(ds)

con = xr.concat(datasets, dim='time')
df = con.to_dataframe()

所以这段代码可以工作，但速度非常慢。我希望使用 dask 来加快速度。我的计划是更改一次处理一个文件并返回一个数据帧的方法。然后我会调用 client.map() 并生成所有 dfs，然后在最后将它们连接在一起。所以我结束了类似的事情：

def load(file, lat: float, long: float, start_date, end_date):

    s3 = s3fs.S3FileSystem()
    s3_path = file['s3_bucket'] + '/' + file['zarr_s3_key']
    zarr_store = s3fs.S3Map(s3_path, s3=s3)
    zarr = xr.open_zarr(store=zarr_store, consolidated=True)

    ds = zarr.sel(latitude=lat,
                  longitude=long,
                  time=slice(start_date.strftime("%Y-%m-%d"),
                             end_date.strftime("%Y-%m-%d"))
                 )

    tmp = x.result().to_array().values
    df_time = …