Question

我试图通过两个尺寸将Xarray从4 x 4减少到2 x 2。我没有发现当前的Xarray数据集有任何运气。这些是我遵循的步骤。我想根据纬度和经度来进行分类或分组。

a = np.array(np.random.randint(1, 90+1,(4,4)),dtype=np.float64)

b = np.array(np.random.randint(1, 360+1,(4,4)),dtype=np.float64)

c = np.random.random_sample(16,)

c = c.reshape(4,4)

dsa = xr.Dataset()

dsa['CloudFraction'] = (('x', 'y'), c)

dsa.coords['latitude'] = (('x', 'y'), a)

dsa.coords['longitude'] = (('x', 'y'), b)

dsa

尺寸：（x：4，y：4）

坐标：

latitude       (x, y) float64 23.0 16.0 53.0 1.0 ... 82.0 65.0 45.0 88.0
longitude      (x, y) float64 219.0 13.0 276.0 69.0 ... 156.0 277.0 16.0

不含坐标的尺寸：x，y

数据变量：

CloudFraction  (x, y) float64 0.1599 0.05671 0.8624 ... 0.7757 0.7572

Answer 1

忠诚。

对于我们的示例，我们可以使用rolling方法来实现（移动）合并。沿x轴进行装箱的一种简单方法是

In [14]: dsa.rolling(x=2).mean().isel(x=slice(1, None, 2))
Out[14]: 
<xarray.Dataset>
Dimensions:        (x: 2, y: 4)
Coordinates:
    latitude       (x, y) float64 9.0 61.0 58.0 57.0 23.0 38.0 10.0 75.0
    longitude      (x, y) float64 198.0 177.0 303.0 71.0 163.0 213.0 55.0 102.0
Dimensions without coordinates: x, y
Data variables:
    CloudFraction  (x, y) float64 0.2882 0.7061 0.9226 ... 0.5084 0.2377 0.6352

这实际上计算的是窗口大小为2的移动平均值，然后是步长为2的子样本。

由于mean操作是线性的，因此您可以依次对y轴执行相同的操作。

上述操作浪费了一点计算资源，因为我们只使用了一半的计算值。为了避免这种情况，我们可以改用construct方法

In [18]: dsa.rolling(x=2).construct('tmp').isel(x=slice(1, None, 2)).mean('tmp')
...: 
Out[18]: 
<xarray.Dataset>
Dimensions:        (x: 2, y: 4)

Coordinates:
    latitude       (x, y) float64 9.0 61.0 58.0 57.0 23.0 38.0 10.0 75.0
    longitude      (x, y) float64 198.0 177.0 303.0 71.0 163.0 213.0 55.0 102.0
Dimensions without coordinates: x, y
Data variables:
    CloudFraction  (x, y) float64 0.2882 0.7061 0.9226 ... 0.5084 0.2377 0.6352

有关滚动方法的详细信息，请参见官方页面 http://xarray.pydata.org/en/stable/computation.html#rolling-window-operations

我个人认为，如果xarray为此目的使用bin方法，那将是很好的。如果您不介意，请在Github问题页面上进行讨论。

XArray-对4 x4到2 x 2的样本数据集进行多维装箱和阵列缩减

1 个答案: