Python xarray：根据每月重新采样的平均值计算每日异常（不是气候学）

xarray's解释了如何计算每月气候异常。在这里，我尝试做一些稍微不同的事情：根据每日时间序列，我想计算本月平均值的每日异常值（）

我用groupby和手工制作的月票（代码如下）成功地做到了这一点。有没有一种更好的、更简单的方法来获得同样的结果

import xarray as xr
import numpy as np
import pandas as pd

# Create a data array
t = pd.date_range('2001', '2003', freq='D')
da = xr.DataArray(np.arange(len(t)), coords={'time':t}, dims='time')

# Monthly time stamp for groupby
da.coords['stamp'] = ('time', [str(y) + '-' + str(m) for (y, m) in 
                               zip(da['time.year'].values, 
                                   da['time.month'].values)])

# Anomaly
da_ano = da.groupby('stamp') - da.groupby('stamp').mean()

da_ano.plot();

您可以将平均数的月度时间序列显式转换为每日时间序列。例如：

monthly = da.resample(time='1MS').mean()
upsampled_monthly = monthly.resample(time='1D').ffill()
anomalies = da - upsampled_monthly