xarray:从月平均(而不是气候学)计算日异常。
xarray:从月平均(而不是气候学)计算日异常。
提问于 2018-04-01 16:28:04
xarray的文档解释了如何计算每月的气候学异常。在这里，我尝试做一些稍微不同的事情：从每日时间序列，我想计算这个月的平均(而不是从每月的气候学)的每日异常。
我使用groupby成功地完成了这个任务，并且手工创建了一个月邮票(代码如下)。是否有更好、更少麻烦的方法来获得同样的结果？
import xarray as xr
import numpy as np
import pandas as pd
# Create a data array
t = pd.date_range('2001', '2003', freq='D')
da = xr.DataArray(np.arange(len(t)), coords={'time':t}, dims='time')
# Monthly time stamp for groupby
da.coords['stamp'] = ('time', [str(y) + '-' + str(m) for (y, m) in
zip(da['time.year'].values,
da['time.month'].values)])
# Anomaly
da_ano = da.groupby('stamp') - da.groupby('stamp').mean()
da_ano.plot();
回答 1
Stack Overflow用户
回答已采纳
发布于 2018-04-02 18:46:37
您可以显式地将每个月的时间序列表示为每日时间序列。示例：
monthly = da.resample(time='1MS').mean()
upsampled_monthly = monthly.resample(time='1D').ffill()
anomalies = da - upsampled_monthly页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/49600180
复制相关文章
相似问题
腾讯云开发者
