时间戳

首页 > 解决方案 > 在时间维度中子集 xarray 数据集或数据数组

python-xarray - 在时间维度中子集 xarray 数据集或数据数组

问题描述

我正在尝试计算 xarray 数据集中时间维度子集的每月气候学。时间使用 datetime64 定义。

如果我想使用整个时间序列，这很好用：

monthly_avr=ds_clm.groupby('time.month').mean(dim='time')

但我真的只想要比 2001 年更大的年份。这些都不起作用：

monthly_avr2=ds_clm.where(ds_clm.time>'2001-01-01').groupby('time.month').mean('time')
monthly_avr3=ds_clm.isel(time=slice('2001-01-01', '2018-01-01')).groupby('time.month').mean('time')

这是我的数据集的样子：

<xarray.Dataset>
Dimensions:       (hist_interval: 2, lat: 192, lon: 288, time: 1980)
Coordinates:
  * lon           (lon) float32 0.0 1.25 2.5 3.75 5.0 6.25 7.5 8.75 10.0 ...
  * lat           (lat) float32 -90.0 -89.057594 -88.11518 -87.172775 ...
  * time          (time) datetime64[ns] 1850-01-31 1850-02-28 1850-03-31 ...
Dimensions without coordinates: hist_interval
Data variables:
EFLX_LH_TOT   (time, lat, lon) float32 0.26219246 0.26219246 0.26219246 ...

有谁知道使用 datetime64 及时子集的正确语法？

标签： python-xarray

解决方案

通过坐标值索引和选择 xarray 中的数据通常使用该sel()方法完成。在您的情况下，类似以下示例的内容应该可以工作。

monthly_avr3 = ds_clm.sel(
    time=slice('2001-01-01', '2018-01-01')).groupby('time.month').mean('time')

使用该where()方法有时也很有用，但对于您的用例，您还需要添加drop=True选项：

monthly_avr2 = ds_clm.where(
    ds_clm['time.year'] > 2000, drop=True).groupby('time.month').mean('time')

推荐阅读