在xarray中使用“年+月”组合计算平均值

时间:2019-05-23 05:48:20

标签: python netcdf python-xarray

我有一个netcdf文件,其中包含5年(2011年至2015年)的每日数据。我想使用Python中的XArray计算数据的每月平均值。

netcdf file:////test/Combined.nc {
  dimensions:
    latitude = 681;
    longitude = 841;
    time = 1826;
  variables:
    double latitude(latitude=681);
      :_FillValue = NaN; // double
      :name = "latitude";
      :long_name = "latitude";
      :units = "degrees_north";
      :standard_name = "latitude";

    double longitude(longitude=841);
      :_FillValue = NaN; // double
      :name = "longitude";
      :long_name = "longitude";
      :units = "degrees_east";
      :standard_name = "longitude";

    long time(time=1826);
      :name = "time";
      :long_name = "time";
      :standard_name = "time";
      :units = "days since 2011-01-01 00:00:00";
      :calendar = "proleptic_gregorian";

    float PET(time=1826, latitude=681, longitude=841);
      :_FillValue = -999.0f; // float
      :name = "PET";
      :long_name = "Potential evapotranspiration";
      :units = "mm";
      :standard_name = "PET";      

  :var_name = "PET";
}

我想做的是使用groupby来计算每月平均值:

import numpy as np
import xarray as xr

ds = xr.open_dataset("c:\\test\\Combined.nc")
ds_avg = ds.PET.groupby('time.month').mean(dim='time')
ds_avg.to_netcdf("C:\\test\\Combined_avg.nc") 

但是上述代码的问题是,将文件合并为每月平均值(从2011年到2015年)。这意味着我在结果文件中有12个月的时间。那不是我想做的。我想计算2011年1月,2011年2月,2011年3月至2015年12月的月平均值,这样我就可以在结果文件中得到12 * 5个月。因此,这意味着groupby不应在“ time.month”上发生,而应在“ time.year:time.month”上发生。我该怎么办?

谢谢

1 个答案:

答案 0 :(得分:1)

您应将resample doc的使用频率设为一个月。然后:

ds_avg = ds.resample('1M').mean()

如果您对其他类似(简单)的操作感兴趣,请查看我们为ERA-NUTS dataset设置的笔记本。

使用另一个数据集的另一个示例:

<xarray.Dataset>
Dimensions:    (bnds: 2, latitude: 61, longitude: 91, time: 218)
Coordinates:
  * longitude  (longitude) float32 -22.5 -21.75 -21.0 -20.25 ... 43.5 44.25 45.0
  * latitude   (latitude) float32 72.0 71.25 70.5 69.75 ... 28.5 27.75 27.0
  * time       (time) datetime64[ns] 2000-01-16T15:00:00 ... 2018-01-01T03:00:00
Dimensions without coordinates: bnds
Data variables:
    time_bnds  (time, bnds) datetime64[ns] ...
    ssrdc      (time, latitude, longitude) float64 ...
    ssrd       (time, latitude, longitude) float64 ...

然后应用重采样:

In [13]: d.resample(time = '1Y').mean()                                                                                           
Out[13]: 
<xarray.Dataset>
Dimensions:    (latitude: 61, longitude: 91, time: 19)
Coordinates:
  * time       (time) datetime64[ns] 2000-12-31 2001-12-31 ... 2018-12-31
  * longitude  (longitude) float32 -22.5 -21.75 -21.0 -20.25 ... 43.5 44.25 45.0
  * latitude   (latitude) float32 72.0 71.25 70.5 69.75 ... 28.5 27.75 27.0
Data variables:
    ssrdc      (time, latitude, longitude) float64 5.033e+05 ... 1.908e+05
    ssrd       (time, latitude, longitude) float64 4.229e+05 ... 1.909e+05