numpy - 计算 xarray 中每个网格点的百分位数
问题描述
我目前正在使用 xarray 制作概率图。我想使用像“计数”练习这样的统计评估。这意味着,对于 NEU 中的所有数据点,计算两个变量共同超过其阈值的次数。这意味着降水数据的第 1 个百分位和温度数据的第 99 个百分位。那么连接发生的概率 (P) 就是联合超出数除以数据集中的数据点数。
<xarray.Dataset>
Dimensions: (latitude: 88, longitude: 200, time: 6348)
Coordinates:
* latitude (latitude) float64 49.62 49.88 50.12 50.38 ... 70.88 71.12 71.38
* longitude (longitude) float64 -9.875 -9.625 -9.375 ... 39.38 39.62 39.88
* time (time) datetime64[ns] 1950-06-01 1950-06-02 ... 2018-08-31
Data variables:
rr (time, latitude, longitude) float32 dask.array<chunksize=(6348, 88, 200), meta=np.ndarray>
tx (time, latitude, longitude) float32 dask.array<chunksize=(6348, 88, 200), meta=np.ndarray>
Ellipsis float64 0.0
我想计算每个网格点的降水和温度的百分位数,这基本上意味着我想为每个网格点重复下面的函数。
Neu_Precentile=np.nanpercentile(NEU.rr[:,0,0],1)
谁能帮我解决这个问题。我也尝试使用 xr.apply_ufunc 但不幸的是效果不佳。
解决方案
我不确定你想如何处理分位数,但这里有一个你可以适应的版本。
此外,我选择在计算分位数时保留数据集结构,因为它显示了如何检索异常值的值(如果这是相关的)(它距离检索有效数据点的值仅一步之遥,这可能是相关的)。
1.创建一些数据
coords = ("time", "latitude", "longitude")
sizes = (500, 80, 120)
ds = xr.Dataset(
coords={c: np.arange(s) for c, s in zip(coords, sizes)},
data_vars=dict(
precipitation=(coords, np.random.randn(*sizes)),
temperature=(coords, np.random.randn(*sizes)),
),
)
数据视图:
<xarray.Dataset>
Dimensions: (latitude: 80, longitude: 120, time: 500)
Coordinates:
* time (time) int64 0 1 2 3 ... 496 497 498 499
* latitude (latitude) int64 0 1 2 3 ... 76 77 78 79
* longitude (longitude) int64 0 1 2 3 ... 117 118 119
Data variables:
precipitation (time, latitude, longitude) float64 -1.673 ... -0.3323
temperature (time, latitude, longitude) float64 -0.331 ... -0.03728
2. 计算分位数
qt_dims = ("latitude", "longitude")
qt_values = (0.1, 0.9)
ds_qt = ds.quantile(qt_values, dim=qt_dims)
它是一个数据集,分析维度(“纬度”、“经度”)丢失,并具有新的“分位数”维度:
<xarray.Dataset>
Dimensions: (quantile: 2, time: 500)
Coordinates:
* time (time) int64 0 1 2 3 ... 496 497 498 499
* quantile (quantile) float64 0.1 0.9
Data variables:
precipitation (quantile, time) float64 -1.305 ... 1.264
temperature (quantile, time) float64 -1.267 ... 1.254
3.计算异常值共现
对于异常值的位置:(编辑:使用np.logical_and
,比&
运算符更具可读性)
da_outliers_loc = np.logical_and(
ds.precipitation > ds_qt.precipitation.sel(quantile=qt_values[0]),
ds.temperature > ds_qt.temperature.sel(quantile=qt_values[1]),
)
输出是一个布尔数据数组:
<xarray.DataArray (time: 500, latitude: 80, longitude: 120)>
array([[[False, ...]]])
Coordinates:
* time (time) int64 0 1 2 3 4 ... 496 497 498 499
* latitude (latitude) int64 0 1 2 3 4 ... 75 76 77 78 79
* longitude (longitude) int64 0 1 2 3 ... 116 117 118 119
如果这些值是相关的:
ds_outliers = ds.where(
(ds.precipitation > ds_qt.precipitation.sel(quantile=qt_values[0]))
& (ds.temperature > ds_qt.temperature.sel(quantile=qt_values[1]))
)
4. 计算每个时间步的异常值
outliers_count = da_outliers_loc.sum(dim=qt_dims)
最后,这里是只有时间维度的 DataArray,其值是每个时间戳的异常值数量。
<xarray.DataArray (time: 500)>
array([857, ...])
Coordinates:
* time (time) int64 0 1 2 3 4 ... 495 496 497 498 499
推荐阅读
- java - 如何在android中结束try-catch?
- jxbrowser - 使用 javaFx 从 v6 迁移到 v.7 时出现 jxBrowser 异常
- php - 发送邮件提示错误:535 Authentication Failed
- python - flask + marshmallow 架构抱怨“必填字段缺少数据”
- python - FailedPreconditionError Tensorflow 训练
- c# - WPF DataGrid 行的颜色多绑定(也)拥有 IsSelected 属性?
- reactjs - 如何在 Link 和 Route 组件中同时传递 props?
- html - 有人知道为什么 font-weight: bold; 不能在移动设备上工作?
- javascript - 来自另一个模块的 Jest 模拟函数:结果值未定义
- html - 使 objectheader 具有粘性并使页面的其余部分可滚动