Question

在理解xarray.groupby的真正工作方式时，我面临着严重的困难。我试图在xarray DatasetGroupBy集合的每个组上应用给定的函数“ f”，以便“ f”应向原始xr.DataSet的每个应用组中添加新变量。

这里是一个简介：

我的问题通常出现在地球科学，遥感等领域。

目标是将一个给定的函数逐个像素（或逐个网格单元）应用于Array。

示例

让我们假设我要评估相对于新方向的给定区域的风场的风速分量（u，v）。因此，我希望评估'u'和'v组件的旋转版本，即：u_rotated和v_rotated。

让我们假设此新方向相对于风场中的每个像素位置逆时针旋转30°。因此，新的风分量将为（u_30_degrees和v_30_degrees）。

我的第一个尝试是将每个x和y坐标（或经度和纬度）堆叠到一个称为像素的新维度中，然后按此新维度（“像素”）进行分组，并应用一个函数来执行矢量风旋转。

这是我最初尝试的片段：

type Station struct {
    types.GormCol
    CompanyID   types.RowID            `gorm:"not null;unique" json:"company_id,omitempty"`
    CompanyName string                 `gorm:"not null;unique" json:"company_name,omitempty"`
    NodeCode    uint64                 `json:"node_code,omitempty"`
    NodeName    string                 `json:"node_name,omitempty"`
    Key         string                 `gorm:"type:text" json:"key,omitempty"`
    MachineID   string                 `json:"machine_id,omitempty"`
    Detail      string                 `json:"detail,omitempty"`
    Error       error                  `sql:"-" json:"user_error,omitempty"`
    Extra       map[string]interface{} `sql:"-" json:"extra_station,omitempty"`
}

// Validate check the type of
func (p *Station) Validate(act action.Action) error {
    fieldError := core.NewFieldError(term.Error_in_companys_form)

    switch act {
    case action.Save:
        if p.CompanyName == "" {
            fieldError.Add(term.V_is_required, "Company Name", "company_name")
        }

        if p.CompanyID == 0 {
            fieldError.Add(term.V_is_required, "Company ID", "company_id")
        }

    }

    if fieldError.HasError() {
        return fieldError
    }
    return nil
}

尽管上面的示例显然有效，但我仍然不确定其结果是否正确，或者即使groupby-apply函数实现高效（干净，非冗余，快速等）。

任何见解都将受到欢迎！

此致

Answer 1

您只能将整个数组乘以旋转矩阵，例如# Add .strip() to the end reply_number = urllib.parse.parse_qs(urllib.parse.urlparse(url).query)['reply'][0].strip()。

因此，如果您具有以下np.dot(R, da)：

Dataset

像您一样将其转换为以下>>> dims = ("x", "y") >>> sizes = (20, 30) >>> ds = xr.Dataset( data_vars=dict(u=(dims, np.ones(sizes)), v=(dims, np.ones(sizes) * 0.3)), coords={d: np.arange(s) for d, s in zip(dims, sizes)}, ) >>> ds <xarray.Dataset> Dimensions: (x: 20, y: 30) Coordinates: * x (x) int64 0 1 2 3 4 ... 16 17 18 19 * y (y) int64 0 1 2 3 4 ... 26 27 28 29 Data variables: u (x, y) float64 1.0 1.0 ... 1.0 1.0 v (x, y) float64 0.3 0.3 ... 0.3 0.3：

DataArray

然后，由于>>> da = ds.stack(point=["x", "y"]).to_array(dim="wind") >>> da <xarray.DataArray (wind: 2, point: 600)> array([[1. , 1. , 1. , ..., 1. , 1. , 1. ], [0.3, 0.3, 0.3, ..., 0.3, 0.3, 0.3]]) Coordinates: * point (point) MultiIndex - x (point) int64 0 0 0 0 ... 19 19 19 19 - y (point) int64 0 1 2 3 ... 26 27 28 29 * wind (wind) <U1 'u' 'v'，您有了旋转的值：

np.dot(R, da)

但是它是一个麻木的>>> np.dot(R, da).shape (2, 600) >>> type(np.dot(R, da)) <class 'numpy.ndarray'>。因此，如果您想回到xarray ndarray，可以使用类似的技巧（可能存在其他解决方案）：

DataArray

并像这样使用它：

def rotate(da, dim, angle):

    # Put dim first
    dims_orig = da.dims
    da = da.transpose(dim, ...)

    # Rotate
    R = rotation_matrix(angle)
    rotated = da.copy(data=np.dot(R, da), deep=True)

    # Rename values of "dim" coord according to rotation
    rotated[dim] = [f"{orig}_rotated_{angle}" for orig in da[dim].values]

    # Transpose back to orig
    return rotated.transpose(*dims_orig)

最终，您可以像这样回到原始的>>> da_rotated = rotate(da, dim="wind", angle=30) >>> da_rotated <xarray.DataArray (wind: 2, point: 600)> array([[0.7160254 , 0.7160254 , 0.7160254 , ..., 0.7160254 , 0.7160254 , 0.7160254 ], [0.75980762, 0.75980762, 0.75980762, ..., 0.75980762, 0.75980762, 0.75980762]]) Coordinates: * point (point) MultiIndex - x (point) int64 0 0 0 0 ... 19 19 19 19 - y (point) int64 0 1 2 3 ... 26 27 28 29 * wind (wind) <U12 'u_rotated_30' 'v_rotated_30'结构：

Dataset

如何使用groupby为xarray数据集添加新变量并应用？

这里是一个简介：

示例

1 个答案: