Python 我有月度数据，但将数据分为特定月份，然后是该月份的所有年份，如何返回按时间顺序排列的数据集？

我有一个4d数据集，其中第一个轴是技术上的月份，第二个轴是该月份的所有年份，然后是空间坐标。 因此，1月（0）有27个值，代表1月的27年

我的目标是重建时间序列，使之成为第一年的1月，第一年的2月。。。第二年的1月，第二年的2月，等等。只是一个正常的月度时间序列。但是，我对数据集进行重新排序的功能是错误的，不能同时对正确的月份和年份进行排序

有人能看出我的功能有什么问题吗？我的新“合并月份”数组的形状正确，但它没有正确地重新排列数组“数据”：

# 4d data set, with 12 month, 27 years (so each month [jan - dec] has 27 points):
data = np.random.rand(12,27,281,375)


#function to try and get data back into chronological order (1st month - year 1, 2nd month - year 1...)
def merge_months(split_data):
    merged_months = []
    for month in range(split_data.shape[0]):
        for year in range(split_data.shape[1]): 
            print(month, year)
            merged_months.append(split_data[month][year])
    return merged_months

merged_months = np.array(merge_months(data))

print(merged_months.shape)
(324,281,374)

我期望从重新排序的输出中得到以下内容的数组：

（第1年1月的第一个值，第2个值是第1年2月，……第13个值是第2年1月，第14个值是第2年2月……以此类推）

有人善意地建议：

num_years = 27
num_months = 12
height = 281
width = 375

data = np.random.rand(num_months, num_years, height, width)

# The reshape is equivalent to .reshape(num_years * num_months, height, width)
data_ord = np.swapaxes(data, 0, 1).reshape(-1, *data.shape[-2:])

# Check for february, year 5, pixel (34, 34)
month_idx = 1  # february
year_idx = 4  # year 5
height_idx = 34
width_idx = 34

feb5px1 = data[month_idx, year_idx, height_idx, width_idx]
feb5px2 = data_ord[year_idx * num_months + month_idx, height_idx, width_idx]

但我想将其应用于所有网格点，而不仅仅是一个

我试过：

test = []
num_months = 12

for yr_idx in range(27):
    for month_idx in range(12):
        test.apppend(d[year_idx*num_months+month_idx, :,:])
        

---

但是我得到一个错误，它说：“list”对象没有属性“apppend”

我认为您只需要交换前两个轴，然后通过重塑将它们展平，请参见下面的代码：

num_years = 27
num_months = 12
height = 281
width = 375

data = np.random.rand(num_months, num_years, height, width)

# The reshape is equivalent to .reshape(num_years * num_months, height, width)
data_ord = np.swapaxes(data, 0, 1).reshape(-1, *data.shape[-2:])

# Check for february, year 5, pixel (34, 34)
month_idx = 1  # february
year_idx = 4  # year 5
height_idx = 34
width_idx = 34

feb5px1 = data[month_idx, year_idx, height_idx, width_idx]
feb5px2 = data_ord[year_idx * num_months + month_idx, height_idx, width_idx]

assert feb5px1 == feb5px2

# And for all pixels this month
feb5_1 = data[month_idx, year_idx]
feb5_2 = data_ord[year_idx * num_months + month_idx]

assert np.allclose(feb5_1, feb5_2)

---

最好显示您想要的预期数据帧，因为我们更容易看到该表。这有助于澄清吗？

np.swapaxes

确实交换了两个轴：这里轴0和1被交换，也就是月和年轴，因此月变成轴1，年变成轴0

data.shape

返回一个元组，该元组包含

data

，

data的每个轴的长度。shape[-2:

仅返回此元组的最后两个元素，即

（高度、宽度）

，星形展开运算符

*

展开元组（

.Reformate（-1，*（34，34））

隐式变为

.Reformate（-1，34，34）

）。

.reformate

中的

-1

告诉numpy自动推断此维度的大小。我在代码中添加了一条注释，以使

.reforme

更显式地等效。我不明白，它已经在为所有网格点做这项工作了。对于numpy，几乎总是有一种比for循环更好（更有效）的方法