Question

我有一个（大型）多维xarray数据数组或数据集，并希望沿1D路径选择或内插数据，而不会降低循环或列表理解的速度（例如，在“纬度和经度”上定义了2D数据，我想沿经度和纬度指定的路径获取数据）：

import xarray as xr
import numpy as np

lats, lons = np.arange(0, 6), np.arange(10, 17)
path_lats, path_lons = np.arange(0.3, 5, 0.5), np.arange(10.6, 15.6, 0.5)

da = xr.DataArray(np.random.rand(len(lats), len(lons)), coords=[lats, lons], dims=['latitude', 'longitude'])

以下代码返回一个包含path_lats和path_lons所有组合的2D DataArray，类似于使用itertools.product（path_lats，path_lons）的for循环：

da_path = da.interp(latitude=path_lats, longitude=path_lons)

对于二维以上的大型Dataarrays \ Dataset，这将消耗大量内存，因为它包含了此任务不需要的大量数据。

我想要的是使用zip（path_lats，path_lons）的for loop \ list理解的快速版本，例如类似于（此处无效的语法）

da_pathZIP = da.interp((latitude, longitude) = (path_lats, path_lons))

，它将返回一维数据数组（坐标：路径的索引），以及可能会附加到数据的纬度和经度。生成的Datarray应该包含以下数据：

[float(da.interp(latitude=p_lat, longitude=p_lon)) for p_lat, p_lon in zip(path_lats, path_lons)]

在不使用循环的情况下，是否可以在xarray中使用？

Answer 1

没关系，我只是在xarray docs中找到了解决方案：

da_lons = xr.DataArray(path_lons, dims='time')
da_lats = xr.DataArray(path_lats, dims='time')
da_pathZIP = da.interp(latitude=da_lats, longitude=da_lons)

xarray select \ interpolate自定义1D切片以裁剪auf多维数据（aka zip与itertools.product）

1 个答案: