Question

我有一个由time和id标注尺寸的数据集，但它也有lat和lon坐标。

数据变量的尺寸标注为time和id，我想要做的是按time，lat和lon对其进行标注。例如：

import numpy
import xarray

ds = xarray.Dataset()
ds['data'] = (('time', 'id'), numpy.arange(0, 50).reshape((5, 10)))

ds.coords['time'] = (('time',), numpy.arange(0, 5))
ds.coords['id'] = (('id',), numpy.arange(0, 10))

ds.coords['lat'] = (('lat',), numpy.arange(10, 20))
ds.coords['lon'] = (('lon',), numpy.arange(20, 30))

print ds

结果：

<xarray.Dataset>
Dimensions:  (id: 10, lat: 10, lon: 10, time: 5)
Coordinates:
  * time     (time) int64 0 1 2 3 4
  * id       (id) int64 0 1 2 3 4 5 6 7 8 9
  * lat      (lat) int64 10 11 12 13 14 15 16 17 18 19
  * lon      (lon) int64 20 21 22 23 24 25 26 27 28 29
Data variables:
    data     (time, id) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 ...

我能弄清楚如何实现这一目标的唯一方法是迭代索引，构建一个具有正确形状和尺寸的新数据阵列：

reshaped_array = numpy.ma.masked_all((5, 10, 10))
for t_idx in range(0, 5):
    for r_idx in range(0, 10):
        reshaped_array[t_idx, r_idx, r_idx] = ds['data'][t_idx, r_idx]

ds['data2'] = (('time', 'lat', 'lon'), reshaped_array)

print ds

结果：

<xarray.Dataset>
Dimensions:  (id: 10, lat: 10, lon: 10, time: 5)
Coordinates:
  * time     (time) int64 0 1 2 3 4
  * id       (id) int64 0 1 2 3 4 5 6 7 8 9
  * lat      (lat) int64 10 11 12 13 14 15 16 17 18 19
  * lon      (lon) int64 20 21 22 23 24 25 26 27 28 29
Data variables:
    data     (time, id) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 ...
    data2    (time, lat, lon) float64 0.0 nan nan nan nan nan nan nan nan ...

但这是非常昂贵的，还有更好的方法吗？基本上每个时间＆＃39; slice我想要一个填充了原始数据值的对角线数组。看起来我应该能够以某种方式构建原始数据的视图以实现这一目标，但我不知道如何去做。

Answer 1

您不需要for-loop：

res = np.full((5, 10, 10), np.nan)
idx = np.arange(10)
res[:, idx, idx] = ds['data']
ds['data2'] = (('time', 'lat', 'lon'), res)

按不同维度重新索引数据变量

1 个答案: