Python 3.x 提取几何图形（形状）中的数据

我有一个NetCDF数据集，我通常使用xarray函数调用它。我最近一直在对数据集进行横断面分析，看起来像这样（水平蓝线之间的区域是用于分析的横断面）：

目前，我只能提取垂直或水平横断面内的数据（因为它们很容易提取）

但是现在我想在数据集中选择一个特定的形状，我想对其进行分析。这些形状可能不是对称的或直线的。下面是一些示例：

基本上，这些形状可以是不规则的（每个点的坐标已知）

是否可以提取数据集/值（带坐标），特别是针对感兴趣的区域

---

仅使用ARCMaps clip函数或Google Earth引擎clip函数，这些步骤就很容易执行。但我无法在python中使用这些函数（因为我希望所有步骤都使用python）。有人能提供一些建议吗？如果有人知道任何与xarray有很好集成的包，那就太好了。

我使用了一个

rioxarray

包，它似乎与xarray有很好的集成，而且很容易实现

将xarray作为xr导入
将rioxarray作为rx导入
Treecover=xr.open_rasterio（'/home/chandra/data/Treecover_MOD44B_2000_250m_AMAZON.tif'））
[输出]：
[668112074数据类型为float64的值]
协调：
*波段（波段）int64 1
*y（y）浮动64 13.71 13.71 13.71 13.71…-58.35-58.35-58.36-58.36
*x（x）浮动64-81.38-81.37-81.37-81.37…-34.63-34.63-34.62
属性：
变换：（0.002245788210298804,0.0，-81.37613580017715,0.0，-0.0022。。。
crs:+init=epsg:4326
回复：（0.002245788210298804，0.002245788210298804）
已平铺：0
nodatavals:（nan，）
几何图形=[
{
“类型”：“多边形”，
“坐标”：[[
[-46.23140155225633, -21.53505449239459],
[-44.91304217725633, -20.221175092759253],
[-70.22554217725633, 1.5816072875439455],
[-71.36812030225633, 0.5271132528460204]
]]
}
]
Treecover_clipped=Treecover.rio.clip（几何体，Treecover.rio.crs）
[输出]：
数组（[[nan，nan，…，nan，nan]，
[nan，nan，…，nan，nan]，
...,
[nan，nan，…，nan，nan]，
[nan，nan，…，nan，nan]]
协调：
*波段（波段）int64 1
*y（y）浮动64 1.58 1.578 1.575 1.573…-21.53-21.53-21.53-21.53
*x（x）浮动64-71.37-71.36-71.36…-44.92-44.92-44.91
空间参考int64 0
属性：
变换：（0.0022457882102988043,0.0，-71.36665774687539,0.0，-0.0。。。
_填充值：南
网格映射：空间映射

我建议使用

matplotlib

，更具体地说是

matplotlib.Path

。它有不同的方法

包含点
或
包含点
。你可以找一些例子。@msi\u gerva。谢谢你的输入。看来
matplotlib.Path
可以与
numpy
配合使用数组作为
xarray
的实现似乎有点棘手（或者说太间接了）。我刚刚提出了一个解决方案，使用了一个包
rioxarray
，它与
xarray
有很好的集成。我在下面发布答案。