多维数组 多维数组（Multi-dimensional, N-dimensional, ND Arrays,Tensors）在计算科学、物理学、天文学、地球科学、生物信息学、工程学、金融等领域应用颇为广泛。 如果你之前学习过python语言，那你一定不会对NumPy包[2]陌生。那有个问题便可以提出，为什么不直接使用numpy数组读取地球科学数据，而要使用xarray提供的 ...

xr.DataArray类 xr.DataArray是一个容器，能够装一个变量的信息，比如可以把温度在时空的变化放在里面。 假如温度数据在时空上全为1，那么有 可以注意到DataArray括号内的三行内容：第一行，利用Numpy包的np.ones函数创建一个3x4x2 numpy类的全1数组；第二行，我们把三个维度分别命名为x, y, z；第三行，取了一个名字Tem ...

xr.Dataset类 Dataset 的对象可以将多个变量放在一起。可以定义每一个都有相应不同维度。 Dataset由下列三个部分组成 [*]data_vars：类似于python字典从名称至值的映射关系。对于每一个变量都必须要提供维度名称 和DataArray对象或元组语法。 [*]coords: 与 DataArray类似 [*]attrs: 与 DataArray类似 作为例子，下面我 ...

pandas 数据类型转换和读取写入 若要由pandas对象转换为 xarray 对象或者由 xarray 转为pandas对象，可以对pandas对象使用to_xarray方法或者对 xarray 对象使用to_pandas方法进行转换。 我们先导入 pandas 包和 numpy 包，为方便后续的代码书写，as关键词对 pandas、numpy 定义了 pd、np 两个别名。 pandas（pd）包中的 ...

数据输入输出 Xarray 最广泛使用的特性之一是它读写各种数据格式的能力。例如，Xarray 可以读取以下格式: [*]NetCDF/ GRIB (通过函数open_dataset / open_mfdataset, to_netcdf / save_mfdataset) [*]Zarr(通过函数 open_zarr, to_zarr) [*]GeoTIFF/GDAL rasters(通过函数 open_rasterio) NetCDF 存储 Xarray 数据结构 ...

基于维度名称对数据进行索引和分片 在默认情况下，对于不同的维度的区分常用axis0, axis1, axis2……通过这样来区分维度是非常让人困惑的，因为在高维的情况下可能并不能准确的区分各个维度，因而引入了对维度命名的方法，比如x, y, z…… 在开始学习xarray通过维度名称对数据索引之前，先回顾在numpy中的索引（index）的 ...

基于坐标名称对数据进行索引和分片 xarray最为有特色的便是对维度的坐标映射。除了上述基于维度名称的数字索引，当然还可以利用坐标对数据进行索引。 我们先创建了一个名为arr的DataArray类型的xarray数组。这个数组的数据是4×6的符合正态分布随机二维数组，有两个维度，维度名称分别为x和y，进而我们对这两个维度映射 ...

本节主要来讨论对 xarray 对象进行科学计算。同样我们先引入包，以便后续代码的调用。 示例数据 首先我们先导入所需的数据，本次使用的是经扩展重构的海表面温度 v5 数据集（Extended Reconstructed Sea Surface Temperature, abbr. ERSST）。这个数据集可追溯到 1854 年的海表面温度，并被广泛使用。 数据请在公众号 ...

引入所需的包和随机数种子 创建本节所需数据数组arr 平面插值 有时候想要知道格点框中更加高分辨率的值，这时候可以使用interp函数进行数据插值。 值得一提的是，若给定插值后的范围大于原有的范围（外推）的话，在原有数据范围外的数据将会赋值为nan。 如果已经有一个包含给定插值模板的对象，只需用interp_like即 ...

广播 广播（Broadcasting）是指具有不同维度数组的对齐。基于数组形状的Numpy广播规则有时可能难以理解和记住， Xarray相较Numpy提供了按维度名称（而非数组形状）进行广播的方法，免去了记忆的困难。 为说明广播在计算中的作用，下面将创建一个与纬度有关的权重因子。这个权重因子常用于描述规则经纬网格上数据的面积权 ...

引入必要的包。 降维 与numpy包处理数据类似，可以针对xarray中的DataArray中任意数轴进行降维。 导入数据后，提取变量sst. 这个DataArray本质存储的是关于sst的高维（三维）数组。 在numpy中，如果要进行对某一维度以某种方式（譬如取最大、小值，平均值）进行降维，可通过指定axis参数实现。比如： 下面尝 ...

引入相关包和导入数据： 赋权降维 对于数组的赋权降维而言，xarray目前支持DataArray和Dataset对象，对于这两个对象的降维可采用DataArray.weighted()和Dataset.weighted()方法。目前支持带权重的以平均（mean）和求和（sum）方法降维。 为说明赋权降维，下面先创建一个关于降水数据的DataArray和一个权重的DataArray. ...

如果了解SQL数据库语言或者数据透视表，一定不会对group by这个聚合函数陌生。简而言之，group by是一种方法,能够对某些标签或者索引的局部数据进行分析。 Hadley Wickham（R语言贡献者）在2011年发表的一篇经典论文中提到 What do we do when we analyze data? What are common actions and what are common mistakes? ...

引入相关包和导入数据： Groupby（Ⅱ） 分割Ⅱ 上一期通过.groupby方法以月为键将原数据分割成12个部分。 现在有一个问题：如何知道各个分组（在这儿是month）中的元素在原分组坐标中（在这儿是time）的位置呢？ 也就是查找各个分组中对应元素在原始数据中键的位置。 这里对上述的gb分割对象使用.groups方法获得。 ...

引入相关包和导入数据： 背景知识：距平 现代气候学认为在相当长的时间段（一般认为是 30 年）中，变量多年平均是一个稳定的值。因此在一个时间段中，如果能够充分认识变量随平均状态的变化趋势，那么对于预测未来情况是非常有利的。那么这个所谓随着平均态的偏移值便可称为距平（异常，anomaly）. 下面便提出一个问题： ...

导入数据 指数加权滑动平均 xarray 中的指数加权滑动平均 在使用之前必须安装 numbagg 包 下面来尝试一下 30 年的指数加权滑动平均 在不指定加权滑动参数的情况下，上述代码使用span方法，且作用于time维度，对应于pandas中的写法即span = 30. 应当说明的是，当前 xarray 仅支持.mean()方法，目前var()等方法尚 ...