Python 从netcdf文件计算多年来每天测量四次数据的日平均值？

因此，我掌握的数据如下：

import xarray as xr
import numpy as np
import pandas as pd
temperature = xr.open_dataset("./Temperature/merged_temp.nc")
temp = temperature.sel(time=slice('1954-04-07', '1957-04-07'))
print(temp)

Out[1]:
<xarray.Dataset>
Dimensions:  (lat: 73, lon: 144, time: 4388)
Coordinates:   * lon      (lon) float32 0.0 2.5 5.0 7.5 10.0 ... 350.0 352.5 355.0 357.5
               * lat      (lat) float32 90.0 87.5 85.0 82.5 80.0 ... -82.5 -85.0 -87.5 -90.0
               * time     (time) datetime64[ns] 1954-04-07 ... 1957-04-07T18:00:00
Data variables:
               air      (time, lat, lon) float32 ...
Attributes:
Conventions:    COARDS
title:          4x daily NMC reanalysis (1950)
description:    Data is from NMC initialized reanalysis\n(4x/day). These...

将xarray作为xr导入
将numpy作为np导入
作为pd进口熊猫
温度=xr.打开数据集（“./温度/合并温度nc”）
温度=温度选择（时间=切片（'1954-04-07'，'1957-04-07'））
打印（临时）
出[1]：
尺寸：（纬度：73，经度：144，时间：4388）
坐标：*lon（lon）浮动32 0.0 2.5 5.0 7.5 10.0。。。350.0 352.5 355.0 357.5
*lat（lat）浮动3290.087.585.082.580.0-82.5 -85.0 -87.5 -90.0
*时间日期时间64[ns]1954-04-07。。。1957-04-07T18:00:00
数据变量：
空气（时间、纬度、经度）浮动32。。。
属性：
约定：协约
标题：每日4次NMC再分析（1950年）
描述：数据来自NMC初始化的重新分析\n（4x/天）。这些

数据每天分发4次（即变量“空气；每天测量4次）

温度选择（时间=1954-04-07'）
出[2]：
尺寸：（纬度：73，经度：144，时间：4）
协调：
*lon（lon）浮动32 0.0 2.5 5.0 7.5 10.0。。。350.0 352.5 355.0 357.5
*lat（lat）浮动3290.087.585.082.580.0-82.5 -85.0 -87.5 -90.0
*时间（时间）日期64[ns]1954-04-07。。。1954-04-07T18:00:00
数据变量：
空气（时间、纬度、经度）浮动32。。。
属性：
约定：协约
标题：每日4次NMC再分析（1950年）
描述：数据来自NMC初始化的重新分析\n（4x/天）。这些
平台：模型

从1954-04-07到1957-04-07，每天测量4次变量“空气”。我想要的是相同的数据，但不是这四个测量值，我想要平均每天的“空气”值。我如何用Python实现它

对于我的问题，我使用了以下方法

• Python 3.6
• 水蟒4.7

请尝试：

temp.resample(time='1D').mean(dim='time')

---

确实需要很长时间，请耐心。

注意：我已经尝试过

temp.resample（time='1d'）.mean（）

但是产生结果需要很长的时间。多长时间是很长的？重采样方法似乎应该是解决这个问题的方法，我想这只需要几秒钟。

temp.resample(time='1D').mean(dim='time')