我想将人口数据从0.05度重新划分为0.1度。因为它是population,所以我应该聚合(求和) population值,以便将数据重采样到更粗糙的分辨率。虽然我认为这个问题会有一个简单的答案,但我确实找到了一个。我认为我的问题不需要样本数据,但您可以从Gridded Population of the World (GPW), v4中找到人口数据。谢谢你的帮助。
我有一组netcdf数据集,它们基本上看起来像一个CSV文件,其中包含纬度、经度、值等列。这些是沿着轨迹的点,我希望聚合到(比方说)1度到90度和-180度到180度的规则网格中,例如,通过计算落入给定单元格中的所有点的平均值和/或标准差。使用循环很容易做到这一点 D = np.zeros((180, 360)) for ilon inn
我有一个计算,希望熊猫的数据作为输入。我想在存储在netCDF文件中的数据上运行这个计算,该文件扩展到51 at -目前我一直在用xarray.open_dataset打开文件并使用块(我的理解是这个打开的文件实际上是一个dask数组,因此一次只将数据块加载到内存中然而,我似乎无法利用这种懒散的加载,因为为了运行我的</
我有许多坐标(大约20000个),我需要从许多NetCDF文件中提取数据,每个文件大约有30000个时间步长(未来的气候情景)。使用解决方案here效率不高,原因是在每个i,j处花费时间将"dsloc“转换为"dataframe”(请查看下面的代码)。**可以从here下载示例NetCDF文件** import pandas as pdi
我有一个大型的Dataset,数据组装中心希望在其中添加一个新变量idstring,并添加一个新的维度idstring_len。(我不知道他们为什么要把它作为一个新变量,而不是一个属性,但是.)所以我有import numpy as np
ds['time'] = ('time', np.arange(1000))dimensions ('idstr_len',) must have