Question

例如，我有一个xarray数据数组：

<xarray.Dataset>
Dimensions:     (lat: 180, lon: 360, time: 360)
Coordinates:
  * time        (time) datetime64[ns] 1990-01-01 1990-02-01 ... 2020-01-01
  * lat         (lat) float64 -89.5 -88.5 -87.5 -86.5 ... 87.5 88.5 89.5
  * lon         (lon) float64 0 1 2 3 ... 357 358 359
Data variables:
    a    (time, lat, lon) float32 dask.array<shape=(360, 180, 360), chunksize=(360, 180, 360)>
    b    (time, lat, lon) float32 dask.array<shape=(360, 180, 360), chunksize=(360, 180, 360)>
    c    (time, lat, lon) float32 dask.array<shape=(360, 180, 360), chunksize=(360, 180, 360)>
    d    (time, lat, lon) float32 dask.array<shape=(360, 180, 360), chunksize=(360, 180, 360)>

如何计算a, b, c, d的平均值到新变量e中？

我知道dataset.mean()对坐标尺寸有效吗？例如随着时间的推移，经纬度或长期变化，但是如何计算变量本身的平均值？在网上找不到太多有关此的信息。

非常感谢！

Answer 1

您可以将其转换为数组，然后计算新维度的均值：

mean = ds.to_array(dim='new').mean('new')
ds.assign(e=mean)

Answer 2

我要牢记Maximilian的好解决方案。
不知道这种解决方案，我使用了numpy + list comprehension：

np_mean = np.ma.mean( [ ds[var].values for var in ds.data_vars ], axis=0 )
ds.assign(mean = np_mean)

计算几个xarray变量的平均值

2 个答案: