Python 查找Xarray聚合结果的时间索引

我正在使用时间坐标在XArray数据集上运行聚合函数，例如

ds.max(), ds.min()

但是，由于这是一个天气数据集，因此返回结果的时间索引也很有用。例如给定月份内最高温度出现的日期

有人能给我一些建议吗？因为我在任何地方都找不到任何信息

---

我希望避免在数据集中搜索结果。

我认为您正在查找

idxmax

或

argmax

等：

下面是一个3D示例：

将numpy导入为np
作为pd进口熊猫
将xarraya作为xr导入
da=xr.DataArray(
数据=np.random.rand（4,3,2），
库德={
“时间”：pd.日期范围（“2000-01-01”、“2000-01-04”），
“y”：[1,2,3]，
“x”：[0.5,1.5]，
},
dims=（“时间”、“y”、“x”），
)

idxmax

只接受单个维度；在这种情况下，它将给出每个（x，y）的最大值的日期

da.idxmax（“时间”）
数组（['2000-01-01T00:00:00.000000000'，'2000-01-04T00:00:00.000000000']，
[2000-01-03T00:00:00.000000000'，2000-01-03T00:00:00.000000000']，
[2000-01-02T00:00:00.000000000'，2000-01-02T00:00:00.000000000']，
dtype='datetime64[ns]'）
协调：
*y（y）int32 1 2 3
*x（x）64 0.5 1.5

不过，搜索数据集并不是一个真正的问题——如果您不使用（未分区的）Python编写循环，这确实是一个廉价的操作：

这是完全通用的，基本上适用于每种骨料：

time\u max=da[“time”]。其中（da==da.max（“time”））.min（“time”）

注意，最后的减少（

.min

此处）可能是任何减少；不能保证数组中没有重复的最大值。这将及时选择第一个；如果您想要最后一个：

time\u max=da[“time”]。其中（da==da.max（“time”））.max（“time”）

等等

这可以写得非常简洁，因为xarray会自动将da[“time”]广播到3D数组（使用dims（time，y，x）），然后使用

where

方法将所有值设置为

NaN

或

NaT

。这显然需要一些内存，但这不太可能是您正在进行的任何分析中最昂贵的步骤