如何调用xarray的groupby函数按年月组合对数据进行分组

Question

我有一个 DataArray 对象，用于跨越几年的日常数据集。它有一个变量和三个维度，名为 latitude、longitude 和 time（每日）。时间坐标像time (time) datetime64[ns] 2016-01-01 2016-01-02 ... 2018-12-31

我想通过 DataArray 的 groupby 函数按年和月的组合对数据进行分组。但是下面的代码只给我int64中的时间坐标，说1,2,3,...,12.

da_groupby_monthly = da.groupby('time.month').sum('time')
print(da_groupby_monthly)

输出：

<xarray.DataArray (month: 12, latitude: 106, longitude: 193)>
dask.array<shape=(12, 106, 193), dtype=int32, chunksize=(1, 106, 193)>
Coordinates:
  * latitude   (latitude) float32 -39.2 -39.149525 ... -33.950478 -33.9
  * longitude  (longitude) float32 140.8 140.84792 140.89584 ... 149.95209 150.0
  * month      (month) int64 1 2 3 4 5 6 7 8 9 10 11 12

如何保持时间的数据类型 datetime64[ns] 并使月份坐标类似于“2016-01”、“2016-02”、“2016-03”、... .. .、“2018-12”等。

Answer 1

我喜欢使用重采样方法。试试这个：

da_monthly  = da.resample('1m', on='time').sum()

Answer 2

要更普遍地对多个变量（例如年和月）进行 xarray groupby 操作，您可以将变量组合在 pandas MultiIndex 中，使其成为非维度坐标，并将其传递给 groupby：

import pandas as pd
year_month_idx = pd.MultiIndex.from_arrays([da['time.year'], da['time.month']])
da.coords['year_month'] = ('time', year_month_idx)
da_monthly = da.groupby('year_month').sum()

您还可以通过堆叠坐标来创建与 groupby 一起使用的 MultiIndex。例如，给定一组 latitude/longitude 坐标，您可以对所有唯一的经纬度位置进行分组：

da_stacked = da.stack(latlon=['lat','lon'])
da_stacked.groupby('latlon').sum()

如何调用xarray的groupby函数按年月组合对数据进行分组

How to call the xarray's groupby function to group data by a combination of year and month

python

numpy

pandas

python-xarray