Numpy 获取xarray数据集的非nan值的坐标

我有一个包含全球气温的样本数据集，更重要的是，还有一个标记陆地/非水域的面具

<xarray.Dataset>
Dimensions:  (lat: 55, lon: 143, time: 5)
Coordinates:
  * time     (time) datetime64[ns] 2016-01-01 2016-01-02 2016-01-03 ...
  * lat      (lat) float64 -52.5 -50.0 -47.5 -45.0 -42.5 -40.0 -37.5 -35.0 ...
  * lon      (lon) float64 -177.5 -175.0 -172.5 -170.0 -167.5 -165.0 -162.5 ...
    land     (lat, lon) bool False False False False False False False False ...
Data variables:
    airt     (time, lat, lon) float64 7.952 7.61 7.389 7.267 7.124 6.989 ...

干燥区域

如下所示

<xarray.Dataset>
Dimensions:  (lat: 55, lon: 143)
Coordinates:
  * lat      (lat) float64 -52.5 -50.0 -47.5 -45.0 -42.5 -40.0 -37.5 -35.0 ...
  * lon      (lon) float64 -177.5 -175.0 -172.5 -170.0 -167.5 -165.0 -162.5 ...
    land     (lat, lon) bool False False False False False False False False ...
Data variables:
    airt     (lat, lon) float64 nan nan nan nan nan nan nan nan nan nan nan ...

---

您可以使用

.stack

获取非空值的坐标对数组：

In [31]: da=xr.DataArray(np.arange(20).reshape(5,4))
In [33]: da_nans = da.where(da % 2 == 1)
In [34]: da_nans
Out[34]:
<xarray.DataArray (dim_0: 5, dim_1: 4)>
array([[ nan,   1.,  nan,   3.],
       [ nan,   5.,  nan,   7.],
       [ nan,   9.,  nan,  11.],
       [ nan,  13.,  nan,  15.],
       [ nan,  17.,  nan,  19.]])
Coordinates:
  * dim_0    (dim_0) int64 0 1 2 3 4
  * dim_1    (dim_1) int64 0 1 2 3

In [35]: da_stacked = da_nans.stack(x=['dim_0','dim_1'])

In [36]: da_stacked
Out[36]:
<xarray.DataArray (x: 20)>
array([ nan,   1.,  nan,   3.,  nan,   5.,  nan,   7.,  nan,   9.,  nan,
        11.,  nan,  13.,  nan,  15.,  nan,  17.,  nan,  19.])
Coordinates:
  * x        (x) object (0, 0) (0, 1) (0, 2) (0, 3) (1, 0) (1, 1) (1, 2) ...


In [37]: da_stacked[da_stacked.notnull()]
Out[37]:
<xarray.DataArray (x: 10)>
array([  1.,   3.,   5.,   7.,   9.,  11.,  13.,  15.,  17.,  19.])
Coordinates:
  * x        (x) object (0, 1) (0, 3) (1, 1) (1, 3) (2, 1) (2, 3) (3, 1) ...

[31]中的

：da=xr.DataArray（np.arange（20）.重塑（5,4））
在[33]中：da_nans=da.where（da%2==1）
在[34]中：大南
出[34]：
数组（[[nan，1.，nan，3.]，
[nan，5.，nan，7.]，
[nan，9，nan，11.]，
[nan，13，nan，15.]，
[nan，17，nan，19.]
协调：
*尺寸0（尺寸0）int64 0 1 2 3 4
*尺寸1（尺寸1）int64 01 2 3
在[35]中：da_stacked=da_nans.stack（x=['dim_0'，'dim_1']
In[36]：dau
出[36]：
数组（[nan，1.，nan，3.，nan，5.，nan，7.，nan，9.，nan，
11、楠、13、楠、15、楠、17、楠、19.）
协调：
*x（x）对象（0,0）（0,1）（0,2）（0,3）（1,0）（1,1）（1,2）。。。
在[37]中：da_stacked[da_stacked.notnull（）]
出[37]：
数组（[1,3,5,7,9,11,13,15,17,19.]））
协调：
*对象（0，1）（0，3）（1，1）（1，3）（2，1）（2，3）（3，1）。。。

谢谢！在我看来还是有点复杂。这不是一个标准的用例吗？Tbh我认为它应该尽可能简洁。但没有太多的信心和PRs总是欢迎！你是对的，因为这实际上只归结为两行：dau stacked=dry_areas.airt.stack（notnull=['lat'，'lon']）dau stacked[dau stacked.notnull（）]，但是，

stack

并没有准确地喊出“报告值的坐标”。至少，我认为这应该添加到xarray的“我该怎么做？”文档页面中。更理想的情况是，我敦促将其打包成能够提供寻找所需价值的东西。Hi@RobertP.Goldman！回到这里，看到了你的评论。希望一切顺利。欢迎光临！

lon, lat = np.meshgrid(ds.coords['lon'], ds.coords['lat'])
lat_masked  = ma.array(lat, mask=dry_areas.airt.fillna(False))
lon_masked  = ma.array(lon, mask=dry_areas.airt.fillna(False))
land_coordinates = zip(lat_masked[lat_masked.mask].data,     lon_masked[lon_masked.mask].data)

In [31]: da=xr.DataArray(np.arange(20).reshape(5,4))
In [33]: da_nans = da.where(da % 2 == 1)
In [34]: da_nans
Out[34]:
<xarray.DataArray (dim_0: 5, dim_1: 4)>
array([[ nan,   1.,  nan,   3.],
       [ nan,   5.,  nan,   7.],
       [ nan,   9.,  nan,  11.],
       [ nan,  13.,  nan,  15.],
       [ nan,  17.,  nan,  19.]])
Coordinates:
  * dim_0    (dim_0) int64 0 1 2 3 4
  * dim_1    (dim_1) int64 0 1 2 3

In [35]: da_stacked = da_nans.stack(x=['dim_0','dim_1'])

In [36]: da_stacked
Out[36]:
<xarray.DataArray (x: 20)>
array([ nan,   1.,  nan,   3.,  nan,   5.,  nan,   7.,  nan,   9.,  nan,
        11.,  nan,  13.,  nan,  15.,  nan,  17.,  nan,  19.])
Coordinates:
  * x        (x) object (0, 0) (0, 1) (0, 2) (0, 3) (1, 0) (1, 1) (1, 2) ...


In [37]: da_stacked[da_stacked.notnull()]
Out[37]:
<xarray.DataArray (x: 10)>
array([  1.,   3.,   5.,   7.,   9.,  11.,  13.,  15.,  17.,  19.])
Coordinates:
  * x        (x) object (0, 1) (0, 3) (1, 1) (1, 3) (2, 1) (2, 3) (3, 1) ...