Python Xarray：使同一数据集中的两个数据数组使用相同的坐标系_Python_Python Xarray

Python Xarray：使同一数据集中的两个数据数组使用相同的坐标系

python

Python Xarray：使同一数据集中的两个数据数组使用相同的坐标系,python,python-xarray,Python,Python Xarray,我有一个ArviZ推断数据后跟踪，这是一个XArray数据集在这里，我的两个随机变量，a_mu_org和b_mu_org的后验轨迹是数据数组。它们的坐标是： a_mu_组织：（链，绘制，a_mu_组织），长度分别为1,2000,15） b_mu_组织：（链，绘图，b_mu_组织），长度分别为1,2000,15）从语义上讲，a_mu_org和b_mu_org实际上应该由15个生物体组成的单一分类坐标系索引，而不是单独的索引为了更清楚一点，这里是完整的数据集字符串repr： <xar

我有一个ArviZ推断数据后跟踪，这是一个XArray数据集

在这里，我的两个随机变量，

a_mu_org

和

b_mu_org

的后验轨迹是数据数组。它们的坐标是：

```
a_mu_组织
```
：（
```
链
```
，
```
绘制
```
，
```
a_mu_组织
```
），长度分别为1,2000,15）
```
b_mu_组织
```
：（
```
链
```
，
```
绘图
```
，
```
b_mu_组织
```
），长度分别为1,2000,15）

从语义上讲，

a_mu_org

和

b_mu_org

实际上应该由15个生物体组成的单一分类坐标系索引，而不是单独的索引

为了更清楚一点，这里是完整的数据集字符串repr：

<xarray.Dataset>
Dimensions:             (L_dim_0: 34281, a_dim_0: 456260, a_prot_shift_dim_0: 34281, b_dim_0: 456260, b_mu_org_dim_0: 15, b_prot_shift_dim_0: 34281, chain: 1, draw: 2000, organism: 15, sigma_dim_0: 34281, t50_org_dim_0: 15, t50_prot_dim_0: 39957)
Coordinates:
  * chain               (chain) int64 0
  * draw                (draw) int64 0 1 2 3 4 5 ... 1995 1996 1997 1998 1999
  * a_prot_shift_dim_0  (a_prot_shift_dim_0) object 'A0A023PXQ4_YMR173W-A' ... 'Z4YNA9_AB124611'
  * b_prot_shift_dim_0  (b_prot_shift_dim_0) object 'A0A023PXQ4_YMR173W-A' ... 'Z4YNA9_AB124611'
  * L_dim_0             (L_dim_0) object 'A0A023PXQ4_YMR173W-A' ... 'Z4YNA9_AB124611'
    a_mu_org_dim_0      (organism) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
  * a_dim_0             (a_dim_0) object 'ytzI' 'mtlF' ... 'atpG2' 'atpB2'
  * b_mu_org_dim_0      (b_mu_org_dim_0) int64 0 1 2 3 4 5 ... 9 10 11 12 13 14
  * b_dim_0             (b_dim_0) object 'ytzI' 'mtlF' ... 'atpG2' 'atpB2'
  * t50_prot_dim_0      (t50_prot_dim_0) <U65 'Bacillus subtilis_168_lysate_R1-C0H3Q1_ytzI' ... 'Oleispira antarctica_RB-8_lysate_R1-R4YVF0_atpB2'
  * t50_org_dim_0       (t50_org_dim_0) <U43 'Arabidopsis thaliana seedling lysate' ... 'Thermus thermophilus HB27 lysate'
  * sigma_dim_0         (sigma_dim_0) object 'A0A023PXQ4_YMR173W-A' ... 'Z4YNA9_AB124611'
Dimensions without coordinates: organism
Data variables:
    a_org_pop           (chain, draw) float32 519.3236 518.8292 ... 517.84784
    a_prot_shift        (chain, draw, a_prot_shift_dim_0) float32 ...
    b_org_pop           (chain, draw) float32 11.509291 11.445394 ... 11.929538
    b_prot_shift        (chain, draw, b_prot_shift_dim_0) float32 ...
    L_pop               (chain, draw) float32 3.445896 3.4300675 ... 3.3917112
    L                   (chain, draw, L_dim_0) float32 ...
    a_mu_org            (chain, draw, organism) float32 430.56827 ... 813.2518
    a                   (chain, draw, a_dim_0) float32 ...
    b_mu_org            (chain, draw, b_mu_org_dim_0) float32 9.997488 ... 8.389757
    b                   (chain, draw, b_dim_0) float32 ...
    t50_prot            (chain, draw, t50_prot_dim_0) float32 39.249863 ... 52.19809
    t50_org             (chain, draw, t50_org_dim_0) float32 43.067646 ... 96.93388
    sigma               (chain, draw, sigma_dim_0) float32 ...
Attributes:
    created_at:                 2020-04-23T08:54:58.300091
    arviz_version:              0.7.0
    inference_library:          pymc3
    inference_library_version:  3.8


尺寸：（L_尺寸0:34281，a_尺寸0:456260，a_保护尺寸0:34281，b_尺寸0:456260，b_组织尺寸0:15，b_保护尺寸0:34281，链：1，绘图：2000，生物体：15，西格玛尺寸0:34281，t50组织尺寸0:15，t50保护尺寸0:397）
协调：
*链（链）int64 0
*绘制（绘制）int64 01 2 3 4 5。。。1995 1996 1997 1998 1999
*a_prot_shift_dim_0（a_prot_shift_dim_0）对象'A0A023PXQ4_YMR173W-a'…'Z4YNA9_AB124611'
*b_prot_shift_dim_0（b_prot_shift_dim_0）对象“A0A023PXQ4_YMR173W-A”…”Z4YNA9_AB124611'
*L_dim_0（L_dim_0）对象“A0A023PXQ4_YMR173W-A”…”Z4YNA9_AB124611'
a_mu_org_dim_0（有机体）int64 0 1 2 3 4 5 6 7 8 9 10 11 12 14
*a_dim_0（a_dim_0）对象“ytzI”“mtlF”…'atpG2''atpB2'
*b_mu_org_dim_0（b_mu_org_dim_0）int64 0 1 2 3 4 5。。。9 10 11 12 13 14
*b_dim_0（b_dim_0）对象“ytzI”“mtlF”…'atpG2''atpB2'
*t50_prot_dim_0（t50_prot_dim_0）我不确定我的解决方案是否是很好的实践，它感觉有点太粗糙了。此外，术语是相当棘手的，我会尽量坚持，但可能会失败。诀窍是删除坐标，以便a_dim_0
和b_dim_0
成为唯一的标注（现在是没有坐标的标注）。之后，可以将它们重命名为相同的对象并分配给新的coord。以下是一个例子：
从以下名为ds
的数据集开始：
<xarray.Dataset>
Dimensions:  (a_dim_0: 15, b_dim_0: 15, chain: 4, draw: 100)
Coordinates:
  * chain    (chain) int64 0 1 2 3
  * draw     (draw) int64 0 1 2 3 4 5 6 7 8 9 ... 90 91 92 93 94 95 96 97 98 99
  * a_dim_0  (a_dim_0) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
  * b_dim_0  (b_dim_0) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14
Data variables:
    a        (chain, draw, a_dim_0) float64 0.8152 1.189 ... 1.32 -0.2023
    b        (chain, draw, b_dim_0) float64 0.6447 -0.8059 ... -0.06435 -0.8666

输出：
<xarray.Dataset>
Dimensions:   (chain: 4, draw: 100, organism: 15)
Coordinates:
  * chain     (chain) int64 0 1 2 3
  * draw      (draw) int64 0 1 2 3 4 5 6 7 8 9 ... 90 91 92 93 94 95 96 97 98 99
  * organism  (organism) <U3 'o0' 'o1' 'o2' 'o3' ... 'o11' 'o12' 'o13' 'o14'
Data variables:
    a         (chain, draw, organism) float64 0.8152 1.189 ... 1.32 -0.2023
    b         (chain, draw, organism) float64 0.6447 -0.8059 ... -0.8666


尺寸：（链：4，拉伸：100，生物体：15）
协调：
*链（链）int64 0 1 2 3
*绘制（绘制）int64 01 2 3 4 5 6 7 8 9。。。90 91 92 93 94 95 96 97 98 99
*有机体（有机体）没有问题，但如果使用ArviZ转换器，从_pymc3调用时，可能更容易传递coords
和dims。在创建之后，了解如何执行此类操作仍然很重要。
<xarray.Dataset>
Dimensions:   (chain: 4, draw: 100, organism: 15)
Coordinates:
  * chain     (chain) int64 0 1 2 3
  * draw      (draw) int64 0 1 2 3 4 5 6 7 8 9 ... 90 91 92 93 94 95 96 97 98 99
  * organism  (organism) <U3 'o0' 'o1' 'o2' 'o3' ... 'o11' 'o12' 'o13' 'o14'
Data variables:
    a         (chain, draw, organism) float64 0.8152 1.189 ... 1.32 -0.2023
    b         (chain, draw, organism) float64 0.6447 -0.8059 ... -0.8666