Question

说我在打印时使用xarray.Dataset加载了xarray.open_dataset(..., decode_times=False)对象，如下所示：

<xarray.Dataset>
Dimensions:    (bnds: 2, lat: 15, lon: 34, plev: 8, time: 3650)
Coordinates:
  * time       (time) float64 3.322e+04 3.322e+04 3.322e+04 3.322e+04 ...
  * plev       (plev) float64 1e+05 8.5e+04 7e+04 5e+04 2.5e+04 1e+04 5e+03 ...
  * lat        (lat) float64 40.46 43.25 46.04 48.84 51.63 54.42 57.21 60.0 ...
  * lon        (lon) float64 216.6 219.4 222.2 225.0 227.8 230.6 233.4 236.2 ...
Dimensions without coordinates: bnds
Data variables:
    time_bnds  (time, bnds) float64 3.322e+04 3.322e+04 3.322e+04 3.322e+04 ...
    lat_bnds   (lat, bnds) float64 39.07 41.86 41.86 44.65 44.65 47.44 47.44 ...
    lon_bnds   (lon, bnds) float64 215.2 218.0 218.0 220.8 220.8 223.6 223.6 ...
    hus        (time, plev, lat, lon) float64 0.006508 0.007438 0.008751 ...

在给定lat，lon和time的多个范围的情况下，对此进行子集的最佳方法是什么？我已尝试链接一系列条件并使用xarray.Dataset.where，但我收到错误消息：

IndexError: The indexing operation you are attempting to perform is not valid on netCDF4.Variable object. Try loading your data into memory first by calling .load().

我无法将整个数据集加载到内存中，那么典型的方法是什么？

Answer 1

NetCDF4不支持NumPy支持的所有多维索引操作。但支持切片（速度非常快）和一维索引（稍慢）。

有些事情要尝试：

使用切片（例如，.sel(time=slice(start, end))）进行索引，然后使用1维数组进行索引。这应该将基于数组的索引从netCDF4卸载到Dask / NumPy。
将索引操作拆分为更多中间操作，这些操作一次只能按较少的维度进行索引。听起来你已经尝试过这个，但也许值得探索一下。
要优化性能，请使用.chunk()。

如果这不起作用，请将完整的自包含示例发布到GitHub上的xarray问题跟踪器，我们可以更详细地查看它。

相对于多个坐标子集xarray.Dataset

1 个答案: