Python 扩展xarray数据集

我正在尝试向xarray教程数据集中添加霜冻天数计数

airtemps = xr.tutorial.load_dataset('air_temperature')
# The set spans more than a year, let's take only one
airtemps = airtemps.sel(time=slice('2013-01-01', '2013-12-31'))
airtemps['air'] = airtemps.air - 273.15

数据的分辨率非常高，所以为了便于处理，我对它们进行了重新采样 air\u day=airtemps.resample（'1D'，'time'，'how='mean'） 空气月=空气日。重新采样（'1M'，'time'，'how='mean'）

因此，我希望在

air\u month

中有一个额外的变量，在所有三个维度上，平均值低于零的天数计数

我的尝试就是这样

air_month['frost'] = sum(air_day.air < 0)

air_月['frost']=总和（air_日.air<0）

然而，通过

sum（）

ing，我在这里失去了时间维度。我被困在这里了，仍然没有把xarray的概念包在我的头上

谢谢你的帮助

你就快到了！ 而且你的groupby非常相似（考虑到xarray的重采样还不是groupby，在某些方面更好）

[24]中的

：（air\u day.air<0）。重新采样（'M'，dim='time'，how='sum'））
出[24]：
数组（[[31,31,31，…，31,31,31]，
[31, 31, 31, ..., 31, 31, 31],
[31, 31, 31, ..., 31, 31, 31],
...,
[ 0,  0,  0, ...,  0,  0,  0],
[ 0,  0,  0, ...,  0,  0,  0],
[ 0,  0,  0, ...,  0,  0,  0]]])
协调：
*lat浮动3275.072.570.067.565.062.560.057.555.052.5。。。
*lon（lon）float32200.0202.5205.0207.5210.0212.5215.0217.5。。。
*时间日期时间64[ns]2013-01-31 2013-02-28 2013-03-31。。。

你就快到了！ 而且你的groupby非常相似（考虑到xarray的重采样还不是groupby，在某些方面更好）

[24]中的

：（air\u day.air<0）。重新采样（'M'，dim='time'，how='sum'））
出[24]：
数组（[[31,31,31，…，31,31,31]，
[31, 31, 31, ..., 31, 31, 31],
[31, 31, 31, ..., 31, 31, 31],
...,
[ 0,  0,  0, ...,  0,  0,  0],
[ 0,  0,  0, ...,  0,  0,  0],
[ 0,  0,  0, ...,  0,  0,  0]]])
协调：
*lat浮动3275.072.570.067.565.062.560.057.555.052.5。。。
*lon（lon）float32200.0202.5205.0207.5210.0212.5215.0217.5。。。
*时间日期时间64[ns]2013-01-31 2013-02-28 2013-03-31。。。

不确定这是否是一种方法，但似乎有效：

air\u day['frost']=air\u day.air<0

air\u day.frost.groupby（'time.month'）.sum（'time'）.plot（col='month'，col u wrap=3）

如何及时向前扩展数据？因此，如果您想使用日期范围

pd.data\u range（'2013-01-01'，'2013-12-31'）来复制
airtemps.sel（time=0）
及时转发
pd.data\u range（'2013-01-01'，'2013-12-31'））
？不确定这是否是一种方法，但似乎有效：
air\u day['frost']=air\u day.air<0
air\u day.frost.groupby（'time.month'）.sum（'time'）.time'）。绘图（col month'，col wrap=3）
您将如何及时向前扩展数据？因此，如果您想使用日期范围
pd.data\u范围（'2013-01-01'，'2013-12-31'）复制
airtemps.sel（time=0）
及时转发
？非常好，谢谢！这就是我想象中的样子！太好了，谢谢！这就是我想象中的样子！
In [24]: (air_day.air < 0).resample('M', dim='time', how='sum')
Out[24]:
<xarray.DataArray 'air' (time: 12, lat: 25, lon: 53)>
array([[[31, 31, 31, ..., 31, 31, 31],
        [31, 31, 31, ..., 31, 31, 31],
        [31, 31, 31, ..., 31, 31, 31],
        ...,
        [ 0,  0,  0, ...,  0,  0,  0],
        [ 0,  0,  0, ...,  0,  0,  0],
        [ 0,  0,  0, ...,  0,  0,  0]]])
Coordinates:
  * lat      (lat) float32 75.0 72.5 70.0 67.5 65.0 62.5 60.0 57.5 55.0 52.5 ...
  * lon      (lon) float32 200.0 202.5 205.0 207.5 210.0 212.5 215.0 217.5 ...
  * time     (time) datetime64[ns] 2013-01-31 2013-02-28 2013-03-31 ...