Python xarray-如何按yyyy-01-01和yyyy-07-01对多年的时间序列数据进行分组或重新采样

我的time serries数据是一个称为“数据输出”的xarray数据数组对象，每半年一次

<xarray.DataArray '__xarray_dataarray_variable__' (time: 10, latitude: 106, longitude: 193)>
dask.array<shape=(4, 106, 193), dtype=int32, chunksize=(2, 106, 193)>
Coordinates:
  * latitude   (latitude) float32 -39.2 -39.149525 ... -33.950478 -33.9
  * longitude  (longitude) float32 140.8 140.84792 140.89584 ... 149.95209 150.0
  * time       (time) datetime64[ns] 1972-01-01 1972-07-01 1973-01-01 1973-07-01 ... 1981-01-01 1981-07-01

---

但是，输出DataArray对象丢失了

时间

维度。

假设您从以下设置开始：

将熊猫作为pd导入
将xarray作为xr导入
时间=pd.日期\范围（'2000'，周期=100，频率=M'）
da=xr.DataArray（范围（len（times）），[（'time'，times）]）
重采样=da.resample（time='6MS'，closed='left'）.sum（'time'））

实现接近您期望结果的快速方法是使用

groupby

，按月份分组：

result=resampled.groupby（'time.month'）.std（'time'））

这将为您留下一个结果

数据数组

，该数组具有

'month'

维度，值为

1

或

7

：

数组（[160.269218，164.972725]）
协调：
*月（月）int64 1 7

如果您想要更具描述性的标签，可以构造一个

DataArray

用于分组，例如

jan\u jun=xr.full\u like（重采样.time，'jan jun'，dtype='1〕
da_all_jan_jun = da_output_halfyearly[::2]
da_all_jul_dec = da_output_halfyearly[1::2]

da_jan_jun_std = da_all_jan_jun.std(dim='time')
da_jul_dec_std = da_all_jul_dec.std(dim='time')