Python 广义加法模型在xarray中的应用

我有一个netCDF文件，我已经用xarray读过了。数组包含时间、纬度、经度和一个数据变量（即索引值）

#读取netCDF文件
将xr.open_mfdataset（'wet_tropics.nc'）设置为湿：
印刷品（湿）
出[]：
尺寸：（时间：1437，x:24，y:20）
协调：
*y（y）浮动64-1.878e+06-1.878e+06-1.878e+06-1.878e+06。。。
*x（x）浮动64 1.468e+061.468e+061.468e+061.468e+061.468e+06。。。
*时间对象“2013-03-29T00:22:28.500000000”。。。
数据变量：
索引_值（时间，y，x）float64 dask.array

到目前为止，一切顺利。 现在我需要对数组中的每个网格单元应用一个广义相加模型。我想使用的模型来自Facebook Prophet（），我之前已经成功地将其应用于一系列数据。例如：

cns_ap['y']=cns_ap['av_index']#Prophet要求列名使用特定的名称'y'和'ds'
cns_ap['ds']=cns_ap['Date']
cns_ap['cap']=1
m1=预言者（每周季节性=假，#禁用每周季节性
daily_季节性=False，#禁用daily_季节性
growth='logistic'，#logistic，因为指数有一个最大值
年度季节性=4，#傅里叶变换.int介于1-10之间
转换点（之前的刻度=0.5）。拟合（cns\U ap）
future1=m1.制定未来数据框架（周期=60，#5年预测
freq='M'，#每月预测
包括_history=True）#使模型适合所有历史数据
future1['cap']=1#将cap设置为最大索引值
预测1=m1。预测（未来1）
#m1.绘图组件（预测1，绘图cap=假）；
#m1.图（预测1，图_cap=False，ylabel='CNS index'，xlabel='Year'）；

问题是现在我必须 1） 迭代netCDF文件的每个单元格， 2） 获取该单元格随时间变化的所有值， 3） 应用GAM（使用FBP），然后导出并打印结果

问题：您对如何在光栅中循环，始终获取每个像素的索引值，以便我可以运行GAM有什么想法吗？ 我认为嵌套for循环是可行的，尽管我不知道如何制作一个遍历每个单元格的循环

---

非常感谢您的帮助

您是否可以使用xarray中的

to_pandas

方法，然后按x和y分组以在唯一像素上运行模型？或者，我认为您必须在xarray中使用

apply_func

方法。我做了一些类似的事情，但是你的模型有点复杂，因为它为每个像素返回一个时间序列。谢谢Shawn！我将尝试使用xarray。应用_ufunc并让您知道。正如您所提到的，GAM带来了很多挑战，因为它每像素提供2个输出。我正在考虑将它们作为单独的变量存储在同一个xarray中，或者将它们导出为netCDF文件以供以后使用。要使用

To_pandas

方法，我仍然需要迭代每个像素来对它们进行分组，对吗？今天我看到了：我们通常使用

numpy.ndindex

来迭代xarrays，您需要防止它在时间维度上迭代，比如：

for（x，y）in np.ndex（（wet.size['x'，wet.size]）['y']）：wet.index_values.isel（x=x，y=y）

您还可以执行类似的操作：

flat=wet.index_values.rename（{'time'：'ds'}）.stack（point=（'x'，'y'）。范围内i的重命名（'y'）（flat.size['point]]）：df=flat.isel（point=1）.to_dataframe（）m.fit（df）

亲爱的Nicolas，请参阅我关于如何在Xarray上使用FProphet的另一篇文章。它在这里[。