替换 xarray 中的零值

Replace zero values in an xarray

我有一个 xarray 数据集,其中包含三个独立的 4x4 矩阵,目前填充了随机值。

我可以屏蔽每个 4x4 矩阵,以便所有等于零的值都是 nan,我想用下一个矩阵中的值替换这些 nan 值。

这最终将扩展到非常大的卫星图像阵列,因此我可以根据 "last best pixel" 执行搜索和创建图像。以下是我目前参考的代码:

import numpy as np
import xarray as xr

dval = np.random.randint(5,size=[3,4,4])

x = [0,1,2,3]
y = [0,1,2,3]
time = ['2017-10-13','2017-10-12','2017-10-11']

a = xr.DataArray(dval,coords=[time,x,y],dims=['time','x','y'])

a = a.where(a > 0)
b = a.sel(time = time[0]).to_masked_array()

我想要做的是将 b 中任何屏蔽为 False 的值替换为对应于“2017-10-12”的 4x4 矩阵中的值。如有任何帮助,我们将不胜感激。

您可以使用ffill()bfill()方法进行正向和反向填充,例如

import numpy as np
import xarray as xr

dval = np.random.RandomState(0).randint(5,size=[3,4,4])

x = [0,1,2,3]
y = [0,1,2,3]
time = ['2017-10-13','2017-10-12','2017-10-11']

a = xr.DataArray(dval,coords=[time,x,y],dims=['time','x','y'])
a = a.where(a > 0)
filled = a.bfill('time')

结果:

>>> a
<xarray.DataArray (time: 3, x: 4, y: 4)>
array([[[ 4., nan,  3.,  3.],
        [ 3.,  1.,  3.,  2.],
        [ 4., nan, nan,  4.],
        [ 2.,  1., nan,  1.]],

       [[ 1., nan,  1.,  4.],
        [ 3., nan,  3., nan],
        [ 2.,  3., nan,  1.],
        [ 3.,  3.,  3., nan]],

       [[ 1.,  1.,  1., nan],
        [ 2.,  4.,  3.,  3.],
        [ 2.,  4.,  2., nan],
        [nan,  4., nan,  4.]]])
Coordinates:
  * time     (time) <U10 '2017-10-13' '2017-10-12' '2017-10-11'
  * x        (x) int64 0 1 2 3
  * y        (y) int64 0 1 2 3

>>> filled
<xarray.DataArray (time: 3, x: 4, y: 4)>
array([[[ 4.,  1.,  3.,  3.],
        [ 3.,  1.,  3.,  2.],
        [ 4.,  3.,  2.,  4.],
        [ 2.,  1.,  3.,  1.]],

       [[ 1.,  1.,  1.,  4.],
        [ 3.,  4.,  3.,  3.],
        [ 2.,  3.,  2.,  1.],
        [ 3.,  3.,  3.,  4.]],

       [[ 1.,  1.,  1., nan],
        [ 2.,  4.,  3.,  3.],
        [ 2.,  4.,  2., nan],
        [nan,  4., nan,  4.]]])
Coordinates:
  * time     (time) <U10 '2017-10-13' '2017-10-12' '2017-10-11'
  * x        (x) int64 0 1 2 3
  * y        (y) int64 0 1 2 3

相关的 interpolate_na() 方法也可以方便地用于这些情况(但不是在这种特殊情况下)。