我有两个x-array数据集。
foo
,其维度x,y,time
包含变量a,b,c,d
。 bar
,是foo
时间序列分析的结果。
x,y
和单个变量e
,其中e
的所有值都介于0
和1
之间。 我想使用bar
来过滤或限制x,y,time
中正在处理的foo
数据条目的数量。每个x,y,time
只有e > 0.8
的{{1}}应该在此处考虑。
我对X阵列还是比较新的。我的问题是,是否设置了一个操作'某种方式的心态和两个xarray数据集的交叉或交叉,并期望一个较小的数据集是推理x阵列的现实方法?
这是我到目前为止所拥有的。
x.y
foo = loadDataset()
bar = perform_timeseries_analysis()
filtered_bar = bar > 0.8
答案 0 :(得分:0)
以下是最终为我工作的内容
import numpy as np
from example import *
foo = loadDataset() #returns dataset
bar = perform_timeseries_analysis(foo) # returns dataset
mutable_temp = bar.timeseries.values
mutable_temp[mutable_temp < 0.8] = np.nan
mutable_temp[np.isfinite(mutable_temp)] = 0
mask = mutable_temp.astype(np.float32)
foo = foo + mask