如何校正坐标元数据属性，如Xarray数据集中的时间日历？
校正坐标元数据属性，如Xarray数据集中的时间日历，可以通过以下步骤进行：
- 确定数据集的时间坐标属性：首先，需要查看数据集中的时间坐标属性，包括时间的起始点、时间步长、时间单位等信息。这些属性通常可以在数据集的元数据中找到。
- 校正时间坐标属性：如果发现时间坐标属性存在错误或不准确，可以通过以下方法进行校正：
- 调整起始点：如果起始点不正确，可以通过修改起始点的数值来校正。例如，如果起始点应该是从某个特定日期开始，但实际上是从其他日期开始，可以将起始点调整为正确的日期。
- 调整步长：如果时间步长不正确，可以通过修改步长的数值来校正。例如，如果时间步长应该是每天一个单位，但实际上是每小时一个单位，可以将步长调整为正确的数值。
- 调整单位：如果时间单位不正确，可以通过修改单位的表示方式来校正。例如，如果时间单位应该是以天为单位，但实际上是以秒为单位，可以将单位调整为正确的表示方式。
- 更新元数据信息：在校正完时间坐标属性后，需要更新数据集的元数据信息，确保元数据与实际数据一致。可以通过修改元数据文件或数据库中的相应字段来更新元数据信息。
- 验证校正结果：校正完成后，需要对数据集进行验证，确保时间坐标属性已经正确校正。可以通过查看数据集的时间坐标属性、绘制时间序列图、进行数据分析等方式进行验证。
对于Xarray数据集中的时间日历，可以使用Xarray库提供的时间处理功能来校正。Xarray是一个强大的Python库，用于处理多维数组数据集，支持对时间坐标进行灵活的操作和处理。具体的校正方法可以参考Xarray官方文档中的时间处理部分。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云对象存储（COS）：提供高可靠、低成本的对象存储服务，适用于存储和管理各类非结构化数据。详情请参考：https://cloud.tencent.com/product/cos
- 腾讯云数据库（TencentDB）：提供多种类型的数据库服务，包括关系型数据库、NoSQL数据库等，满足不同场景的数据存储需求。详情请参考：https://cloud.tencent.com/product/cdb
- 腾讯云云服务器（CVM）：提供灵活可扩展的云服务器实例，支持多种操作系统和应用场景，适用于各类计算任务。详情请参考：https://cloud.tencent.com/product/cvm
- 腾讯云人工智能（AI）：提供丰富的人工智能服务，包括图像识别、语音识别、自然语言处理等，帮助开发者构建智能化应用。详情请参考：https://cloud.tencent.com/product/ai
相关·内容
metpy.cross_section()的输入是一个“必须附加了投影信息”的xarray数据集或DataArray。
要使用MetPy cross secion，我需要编写自己的xarray数据集，因为我的包含元数据的NWP数据不能自动读取到xarray数据集中。然而，我不清楚MetPy需要哪些元数据才能理解我的预测。
我意识到是metpy.parse_cf()为MetPy提供了投影信息，但我在metpy.parse_cf()上找不到任何信息，即哪些变量是必需的。目前，metpy.parse_cf()对我来说是一个黑盒。
浏览 8提问于2018-11-28得票数 1
1回答
在安装了Anaconda (5.2.0)和xarray (0.10.8)的最新版本之后，我在读取以前没有任何问题的数据文件时遇到了问题。这是…的输出
print xarray.open_dataset(file_name):
<xarray.Dataset>
尺寸：(x: 80，y: 60)
坐标：
*x (x) float64 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 11.0 12.0
*Y (y) float64 1.0 2.0 3.0 4.0 5.0 6.0 7.0 8.0 9.0 10.0 11.0 12.0
数据变量：
Z (y
浏览 0提问于2018-08-09得票数 1
1回答
将三维x数组数据集转换为数据
、、、、
我导入了这样的xarray数据集，并从csv文件中提取了由区域定义的坐标值，以及由日期范围(30天的(lon，lat)网格定义的时间周期，每个坐标都有一些环境值)。
from xgrads import open_CtlDataset
ds_Snow = open_CtlDataset(path + 'file')
ds_Snow = ds_Snow.sel(lat = list(set(zones['lat'])), lon = list(set(zones['lon'])),
time = period, method = 'nea
浏览 3提问于2022-05-30得票数 1
我使用open_dataset和decode_times=False从服务器读取了一个x数组的月平均表面温度，因为xarray无法理解日历类型。
经过一些操作之后，我将得到一个表面温度('ts')和时间(‘T’)的数据集my_dataset：
<xarray.Dataset>
Dimensions: (T: 1800)
Coordinates:
* T (T) float32 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5 9.5 10.5 11.5 ...
Data variables:
ts (T)
浏览 0提问于2017-11-18得票数 4
回答已采纳
我开始学习xarray并阅读文档。decode_cf参数在中对xarray.open_dataset的描述是
decode_cf:bool，可选
是否解码这些变量，假设它们是按照CF约定保存的。
这指的是什么变量？我无法从上下文中看出这一点。
浏览 0提问于2019-01-27得票数 0
回答已采纳
不幸的是，我正在读入xarray的日历文件在时间坐标上的NetCDF属性指定为gregorian_proleptic，而不是CF标准的proleptic_gregorian。 我该如何解决这个问题呢？ 我尝试只更改属性，但是xarray必须已经将元数据存储在需要修改的其他位置，因为当我尝试使用decode_cf时，它仍然认为日历是gregorian_proleptic。这是我尝试过的： import xarray as xr
import fsspec
url='s3://noaa-ofs-pds/dbofs.20200826/nos.dbofs.fields.f044.20200
浏览 286提问于2020-09-03得票数 0
回答已采纳
当使用xarray open_dataset或open_mfdataset加载NARR netcdf数据集(例如)时，xarray返回关于“冲突的_FillValue和missing_values”的错误。
输入：
ds = xarray.open_dataset('air.2m.2010.nc')
产生以下错误：
ValueError: ('Discovered conflicting _FillValue and missing_value. Considering opening the offending dataset using decode_cf=Fal
浏览 4提问于2016-02-09得票数 7
我只是不理解xarray中的这种行为，我可能只是不理解广播xarray所做的。我做了一个人为的例子来说明这个问题。
import numpy as np
import xarray as xr
# These are coordinates
years = xr.DataArray(np.arange(2018, 2021), dims="year")
ids = xr.DataArray(np.arange(1, 4), dims="id")
# These are data with different coordinates
year_data = x
浏览 3提问于2022-08-24得票数 1
回答已采纳
我有20年的空间变风数据，每隔6小时记录一次.我需要在每6小时的时间间隔内平均每隔20年的数据，所以我的结果是365 *4次。数据采用netcdf格式。
数据如下所示：
import xarray as xr
filename = 'V-01011999-01012019.nc'
ds = xr.open_dataset(filename)
print(ds)
<xarray.Dataset>
Dimensions: (lat: 8, lon: 7, time: 29221)
Coordinates:
* lat (lat) float32 -2.
浏览 0提问于2019-05-06得票数 2
回答已采纳
一个例子ds：
x = xr.Dataset(
{
"temperature_c": (
("lat", "lon", "date"),
20 * np.random.rand(8).reshape(2, 2, 2),
),
},
coords={"lat": [10, 20], "lon": [150, 160], "date": [1, 2]},
)
>>>
浏览 9提问于2022-02-21得票数 0
1回答
我希望。但是，当我这样做时，生成的数据集不再具有坐标参考信息，这可以通过在QGIS中将子集添加为一个层来证明。
如何在删除原始Dataset后保留坐标参考信息？
import xarray as xr
DS = xr.open_dataset("my_data.nc")
bands = ['CMI_C01','CMI_C02','CMI_C03']
# Test does not have coordinate reference information :(
test = DS[bands]
显然，由于以下原因，坐标参考信息
浏览 7提问于2022-07-27得票数 0
我正在处理以下文件：
当我用xarray读取它时，
ds = xr.open_dataset('poes_m01_20130525_proc.nc')
所有变量都以坐标形式读取，其中至少有一些作为索引坐标。我只知道最后一点，因为当我尝试用
ds.reset_coords()
我知道错误了，
ValueError: cannot remove index coordinates with reset_coords. The error appears to include all of the variables (there is a very long list).
浏览 2提问于2020-05-22得票数 1
回答已采纳
2回答
我在python中使用了很多地理空间数据(主要是天气预报)，对于这个问题，我使用xarray做了很多工作。
xarray支持转换成hdf/netcdf文件，这是很好的，如果你想存储的数据，没有速度要求再次获得访问。我正在寻找的是一个数据库，用于快速访问xarray的单个数据点，以构建fast风格的WEB-API。有没有一种简单的方法将xarray存储到这样的数据库中？
注意:典型的xarray.DataArray包含一组值，如纬度、经度和时间戳等坐标。值的水平维度等于由纬度和经度组成的格网，第三个维度等于xarray.DataArray中的长度时间戳
浏览 2提问于2019-08-23得票数 2
当对不同的数据数组进行操作时，xarray非常有用，可以确保操作发生在具有相同坐标的值上。这通常是可取的，但有时我希望显式地对具有不同坐标的值进行操作。这将导致空DataArray。
In [275]: ds = xarray.DataArray(random.random(size=10), {"a": arange(10)}, dims=["a"])
In [274]: ds.sel(a=slice(5, None)) - ds.sel(a=slice(0, 4))
Out[274]:
<xarray.DataArray (a: 0)>
ar
浏览 3提问于2017-02-22得票数 0
回答已采纳
我有一个只有两条信息的Xarray数据集，一个时间被' time‘引用，一个时间被’reftime‘引用：
<xarray.Dataset>
Dimensions: ()
Coordinates:
reftime datetime64[ns] 2020-03-31T06:00:00
time datetime64[ns] 2020-03-31T12:00:00
crs object Projection: latitude_longitude
Data variables:
*empty*
Attributes:
浏览 5提问于2020-03-31得票数 0
回答已采纳
我正在尝试将多个Xarray DataArrays平均化，但是我得到的结果是错误的。数据不是沿时间维度对齐的，但是我希望用每个时间步长对每个数组进行平均，不管时间坐标是什么。
我的xarrays之一如下：
Dimensions:
time: 9125, bnds: 2, lat: 160, lon: 320
Coordinates:
time (time) object 1975-01-01 12:00:00 ... 1999-12-...
lat (lat) float64 -89.14 -88.03 ... 88.03 89.14
lon (lon)
浏览 10提问于2022-04-20得票数 0
回答已采纳
1回答
我目前有一个很大的2-d pandas时间序列值(1年或更长时间)的数据帧，我想将其重新映射到3-d xarray。pandas数据帧具有对应于另一个引用数据帧中的(经度，经度)坐标的column_id。
在xarray中有什么固有的功能可以实现这一点吗？
浏览 25提问于2019-07-31得票数 0
我有一个相当标准的天气数据集，有5个维度:参考时间、预报时间、z、y和x。预报时间相对于参考时间是相抵的。数据集作为每个引用时间的一个文件保存到磁盘。我希望打开整个多文件数据集，并通过偏移量对齐预测维度，但是xarray会根据绝对时间自动转换和对齐预测维度。
与绝对日期时间相比，更喜欢时间偏移有几个原因。使用绝对时间会大大增加数据集的逻辑形状，因为只有某些预测对每个参考时间有效。这种增加的形状导致数据集主要是nan，任何用户都必须通过外部手段了解该有效性。通过偏移对齐预测，使数据集更具有自描述性。
一个具体例子
我正在处理的天气预报。预测每6小时发布一次，作为一系列GRIB文件发布，每个预测小
浏览 2提问于2017-10-12得票数 1
回答已采纳
我使用xarray.open_mfdataset()打开和组合8个netcdf文件(来自不同设置的模型模拟输出)，而不将它们加载到内存中。如果我指定concat_dim='run_number'，它会将run_number添加为没有坐标的维度，并将其填充为0到7之间的值，这是很好的。
现在的问题是，我不知道哪个run_number属于哪个模拟。原始netcdf的所有属性都有帮助我区分它们的属性，例如identifyer=1、identifyer=2等，但是即使我指定了concat_dim='identifyer' (可能因为有许多属性？)，xarray也无法识别
浏览 3提问于2017-03-03得票数 1
回答已采纳
对于我的Python包，它应该帮助原型化简单的数值模型，我为自描述数据集编写了类。我最近偶然发现了一个很棒的，现在我正在考虑使用xarray.Dataset和xarray.DataArray来代替我自己的类来进行数据管理。
我搜索了，但没有找到我的问题的答案。抱歉我漏掉了什么东西。
就我所理解的xarray而言，它的结构最好用于不改变其形状的静态数据。但是对于我的numericalmodel包，我需要不断地扩展具有新的及时值的数组，即在每一个新的时间步骤。我不知道时间点提前，因为时间步长可以自适应地确定每一个方程被解决。
所以我的问题是：
一个如何展开和xarray.DataArray的坐标？
浏览 3提问于2017-05-01得票数 4
我目前正在处理降水数据，我的目标是将两种不同类型的降水数据相加，得到一个有效的结果，类似于总降水量。我正在使用xarray来管理这个多维数据，我希望最终得到的是用地图上的坐标绘制的降水数据，并将时间维度平均出来。重要的是，只有具有相同坐标和时间的数据才能相加在一起。这两个变量的三个维度是经度、纬度和时间。这两个变量具有相同的单位。这两个变量包含在两个单独的数据集内，我希望最终得到一个维度为经度、纬度和时间的数据数组，以及变量总降雨量。关于坐标和时间，我该如何对这两个数据求和？ 非常抱歉，如果上下文或问题混乱并且没有意义，我是python的新手，甚至是xarray的新手。任何帮助都将不胜感激。
浏览 186提问于2021-06-21得票数 0
我想使用xarray来处理具有时间相关坐标的数据集。更准确地说，我处理以风暴为中心预报，其结果是维度(时间、纬度、纬度)，但纬度、纬度是风暴移动时时间的函数。
似乎在xarray中没有本机方法来处理这种情况，但是有什么可能的解决方法呢？单独存储每个时间步长很麻烦，但是，使用xr.concat会导致所有时间都只有一个后期坐标...我想知道应用time1.interp_like(time2)是否会有所帮助。在本质上，用nan填充所有时间步长，以最大限度地扩展lon，lon随着时间...有什么想法吗？
浏览 37提问于2019-07-25得票数 2
回答已采纳
1回答
看看这个NetCDF EURO-CORDEX文件：
<xarray.Dataset>
Dimensions: (bnds: 2, rlat: 412, rlon: 424, time: 1800)
Coordinates:
lat (rlat, rlon) float64 ...
lon (rlat, rlon) float64 ...
* rlat (rlat) float64 -23.38 -23.26 -23.16 ... 21.61 21.73 21.83
* rlon
浏览 9提问于2021-02-14得票数 1
1回答
我有以下熊猫资料：
我想将它转换为xarray数据集，但是当我使用下面的代码时，它使用日期列作为变量。
dsn = nino.to_xarray()
print(dsn)
我需要日期列作为时间坐标(即datetime64)。我该怎么做？
此外，我还尝试了以下几点：
dsn = dsn.assign_coords(time=dsn['DATE'])
dsn = dsn.drop('YR') dsn = dsn.drop('MON')
dsn = dsn.drop('DATE')
但是，当我尝试选择
浏览 4提问于2022-09-20得票数 1
回答已采纳
我使用虹吸请求了一个netCDF子集，并形成了一个查询，用于检索边界框中的变量：
from siphon.catalog import TDSCatalog
cat = TDSCatalog("https://thredds.ucar.edu/thredds/catalog/grib/NCEP/GFS/Global_onedeg/catalog.xml?dataset=grib/NCEP/GFS/Global_onedeg/Best")
ncss = cat.datasets[0].subset()
query = ncss.query()
query.variables(&#
浏览 1提问于2019-12-17得票数 0
回答已采纳
1回答
我每天都在减少一个xarray数据集
new_dataset = dataset.groupby('time.day').first()
我期望time维度值类似于
array([ '2016-09-03T23:21:19.500000000', '2016-09-10T23:12:58.500000000', '2016-10-03T23:20:13.500000000'], dtype='datetime64[ns]')
但是我在名为days的维度下接收到整数值
array([ 1, 2 ])
保留此分组的x
浏览 3提问于2018-06-29得票数 1
1回答
我正在尝试使用xarray组合多个NetCDF文件。 以下是我的维度： Dimensions: (Time: 1, XCells: 2000, YCells: 1000)
Coordinates:
longitude (YCells, XCells) float32
latitude (YCells, XCells) float32
* Time (Time) datetime64[ns]
Dimensions without coordinates: XCells, YCells Combine by_co
浏览 14提问于2020-10-08得票数 2
回答已采纳
1回答
我有一个重复的信号，它会随着进程的每一个周期变化一点点，大约每秒钟重复一次，尽管每个周期的持续时间和内容在某些参数范围内有所不同。我的信号数据每秒钟都有1,000 x，y坐标。每个周期中的一个小但重要的数据段被破坏了，我想用一个向上的抛物线来替换每个损坏的段。
对于每个需要用抛物线替换的数据段，我有三个点的x，y坐标。顶点/最小值就是其中之一。另外两个点是朝上的U形，即抛物线的左上角和右端。换句话说，左上是这个函数域中最小x值的x，y坐标对，而右上是这个函数域中最高x值的x，y坐标对。左上角和右上角的y坐标是相等的，是数据段中的两个最高的y值。
如何编写代码来绘制这个向上的抛物线中剩余的数据点
浏览 1提问于2010-10-28得票数 2
1回答
我目前有一个数据集，当使用xarray打开时，数据集包含三个坐标x, y, band。带坐标在4个不同的时间间隔内各有温度和露点，共8个带。有没有一种方法来重塑这个，以便我可以有x, y, band, time，使带坐标现在只有长度2和时间坐标将是长度4？
我想我可以添加一个名为time的新坐标，然后在其中添加带
ds = ds.assign_coords(time=[1,2,3,4])
返回ValueError: cannot add coordinates with new dimensions to a DataArray。
浏览 10提问于2022-05-16得票数 0
回答已采纳
1回答
在xarray中，为什么布尔索引在DataArray和Dataset之间使用不同的语法
ds = xr.Dataset(dict(arr=(['time', 'space'], np.random.random((5,5)))),
dict(time=[1,2,3,4,5], space=[2,3,4,5,6]))
selection = ds.time % 2 == 0
这里，selection是一个坐标为time的布尔数组。为什么(使用KeyError) ds[selection]会失败？
注意，ds.arr[selecti
浏览 1提问于2020-02-06得票数 0
1回答
我的问题是如何将时间维度中的UTC时间坐标转换为当地时区(例如，澳大利亚东部标准时间(AEST)，根据夏令时的不同，+10或+11 ) import xarray as xr
import pandas as pd
time = pd.date_range('2000-01-01', freq='H', periods=365 * 24)
ds = xr.Dataset({'foo': ('time', np.arange(365 * 24)), 'time': time})
print(ds) 输出： <
浏览 78提问于2019-03-25得票数 1
我是xarray的新手，所以我想知道我是否做错了什么。
我有一个包含三个组(A，B，C)的netcdf文件，每个组包含几个变量，它们只有一个时间维度和一个对应的'time_dimension‘变量。时间维度变量使用Unix时间戳作为它的值。
在下面的示例中，我打开Netcdf文件并打印出每个组的时间戳的最小值和最大值。这为我提供了预期的时间戳范围。
然后，我使用open_dataset命令将每个组从netcdf文件加载到xarray数据集中。对于这些数据集，我再次打印出时间维度坐标时间戳的最小值和最大值。最小值与通过直接读取netcdf文件获得的值相同，但最大值包含两个组(A和B)的N
浏览 0提问于2017-05-04得票数 0
1回答
我试图将xarray数据集中的坐标值提取为与原始xarray数据集大小相同的数组，其中每个值都是元组。例如，如果我有一个坐标为x=[0,1]和y=[2,3]的数据集，那么我希望类似于np.array([(0,2), (1,2),(0,3),(1,3)])。这似乎毫无用处，因为使用标准的[(a,b) for a in x for b in y]可以实现类似的功能，但是当使用xarray的ds.where()时，功能会变得更强大，然后上面的函数将只返回一个一维数组或坐标列表，其中dataset不是给定查询的NaN。
目前xarray中存在这样的东西吗?还是我需要自己实现解决方案？
浏览 4提问于2019-11-14得票数 0
回答已采纳
2回答
我试图使用xarray来追加和编写一个netCDF文件。有关原始文件的一些信息如下。
Dimensions: (Time: 744, south_north: 289, west_east: 339)
Coordinates:
XLAT (Time, south_north, west_east) float32 ...
XLONG (Time, south_north, west_east) float32 ...
Dimensions without coordinates: Time, south_north, west_east
Data variables
浏览 8提问于2018-05-22得票数 1
回答已采纳
我使用j48树算法在数据集上进行挖掘。
我一直在试图了解useLaplace参数的作用。我唯一要做的就是：
基于LapLace的叶计数是否平滑
这正是WEKA提供的文件。不过，我对此有一些疑问：
叶子上算什么？
什么是平滑？
LapLace是什么？它是用于平滑的算法吗？
我在网上找到的所有东西都没有详细说明这个参数到底在做什么，而只是解释说它“开启了Laplace平滑”。
浏览 1提问于2016-02-28得票数 1
回答已采纳
我有这个数据集和尽可能多的坐标站点，经度，经度和时间。现在数据集使用(stations，time)作为维度，但我希望它使用(lat，lon，time)。
我在网上找到了如何，但我发现它只适用于交换一个维度。
对如何做到这一点有什么建议吗？
<xarray.Dataset>
Dimensions: (stations: 11, time: 7320)
Coordinates:
* stations (stations) int64 11425 11426 11427 11428 ... 11433 11434 11435
lat (stati
浏览 24提问于2021-06-07得票数 1
我有两个ncdf文件，一个包含lat/lon坐标，另一个包含实际数据。坐标阵列的每个单元格分别包含有关lat和lon的信息。我试图获得一个合并的数据集(以便能够使用它)，我也想对其进行子集。因此，我使用xarray.open_dataset()打开两个数据集，将它们转换为熊猫数据，并将数据列附加到具有坐标的dataframe中。之后，我使用.between()创建子集。我还将lat/lon设置为.set_index()的新索引。到目前一切尚好。下一步是将dataframe转换回xarray，然后将合并的数据集写回ncdf，但是当我使用.to_xarray()进行xarray转换时，会得到以下错
浏览 3提问于2021-10-27得票数 0
1回答
线性插值:基于二维表的计算修正
、、、、
我试着做一件应该只是二维线性插值的事情，但是目前我找不到正确的方法。为了描述这个问题，稍微简化了一点:有一个大小为3000x3000像素的绘图区域，在这里我必须画一条水平线。要做到这一点，我画点或短线从每个像素位置到下一个像素位置，然后形成一条线。
现在，校正必须应用于整个事物，在这个例子中，校正信息可以在4×4数组中找到，其中每个元素都包含一对坐标，描述校正后的值。因此，中立数组(没有更正)如下所示：
0,0 1000,0 2000,0 3000,0
0,1000 1000,1000 2000,1000 3000,1000
0,2000 1000
浏览 2提问于2014-04-15得票数 1
回答已采纳
我正在使用xarray.open_mfdataset打开多个文件，并将它们再次存储为一个数据集。当我这样做的时候，我的临时目录内存耗尽了。
如何更改临时目录的路径？
我的代码看起来像是：
import xarray as xr
with xr.open_mfdataset( my_list_of_filepaths ) as in_data:
out_data = some_data_manipulation( in_data )
out_data.to_netcdf( out_filepath )
我试过：
import dask
浏览 3提问于2022-01-31得票数 0
1回答
我使用xarray处理网格数据，坐标纬度和经度是二维数组。它与xarray附带的教程中的数据集非常相似。 ds = xarray.tutorial.open_dataset('rasm').load() 现在，我想使用sel特性来访问来自特定点的数据。 ds.sel(yc=50, xc=50, method='nearest') 在本例中，坐标xc和yc不是维度，因此有必要将它们定义为索引。有没有人知道怎么做？
浏览 15提问于2020-01-05得票数 1
1回答
将xarray数据集写入AWS S3需要花费惊人的时间，即使实际上没有用compute=False编写数据。
下面是一个例子：
import fsspec
import xarray as xr
x = xr.tutorial.open_dataset("rasm")
target = fsspec.get_mapper("s3://bucket/target.zarr")
task = x.to_zarr(target, compute=False)
即使没有实际计算，to_zarr也会从与S3桶位于同一区域的EC2中获取大约6秒的。
查看调试日志，似乎有相
浏览 0提问于2021-03-11得票数 1
回答已采纳
1回答
我有一个xarray.DataArray，geotiffs_da的内容，它是通过从几个geoTIFF文件读取数据形成的。一些xarray内容如下：
geotiffs_da_renamed <xarray.DataArray (时间: 10，波段: 9，纬度: 101，经度: 101)>数组([[1065.，1041.，1036.，1069.，1025.，1028.，. 4342.，4192.，4022.，.，3468.，3458.，3469.]]，dtype=float32)坐标：
int32 1 2 3 4 5 6 7 8 9
纬度(纬度) float64 13.8 13
浏览 5提问于2021-12-20得票数 0
我有一个用python编写的xarray数据集。我想使用hvplot库来绘制两个相互依赖的(数据)变量。下面是一个简单的数据集示例：
import numpy as np
import xarray as xr
import hvplot.xarray
# Create the dataset
time = np.linspace(0,10)
x = time*2 + 1
y = time*3 - 1
ds = xr.Dataset()
ds.coords['time'] = time
ds['x'] = (['time'],x)
ds[&#
浏览 44提问于2021-02-14得票数 1
2回答
我有一个python xarray数据集，它的维度是time,x,y，变量是value1。我试图计算每个value1坐标对的年平均值。
在阅读文档时，我遇到了这个函数：
ds.groupby('time.year').mean()
在每个给定的时间切片上，这似乎是计算所有 x,y坐标对在value1中的单一年平均值。
而不是每个给定时间切片上的单个、x,y坐标对的年度平均值。
虽然上面的代码片段产生了错误的输出，但我对其过于简化的形式非常感兴趣。我真的很想找出“X数组技巧”，为给定的x,y坐标对做年度平均值，而不是自己把它连在一起。
有人帮我指对了方向吗？我是否应该暂时将其
浏览 3提问于2016-10-11得票数 5
回答已采纳
我有一个nc文件，其中的day单位是off。 <xarray.DataArray 'days' (time: 6570)>
array([730817., 730818., 730819., ..., 737384., 737385., 737386.])
Dimensions without coordinates: time
Attributes:
units: days_since_Jan11900
long_name: calendar_days 我希望将这些数据转换为日期，而不考虑闰年，因为我的数据在一年365天的日历上，这意
浏览 25提问于2020-11-06得票数 1
回答已采纳
有没有办法在不使用循环的情况下将“行格式”数据集网格化为xarray数据集？ 具体地说，我想要一个数组，如果没有指定任何值，(lat，lon，time)网格中的所有值都是0。我知道pandas中的.to_xarray()方法(https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_xarray.html)，但这不会完全覆盖所需的坐标(经度、经度、时间)。玩具示例如下： import pandas as pd
import xarray as xr
# row data to be gri
浏览 12提问于2021-08-26得票数 0
回答已采纳
猎户座地理定位功能涉及一个属性，该属性的值表示WGS84坐标和相关的元数据：
{"name":"location","value":"WGS84","type":"string"}
如果属性本身保持其值为WGS84坐标，是否可以修改元数据(例如，将其名称更改为localización或将其类型更改为coordinates)并保持功能正常工作？或者这个元数据是以某种方式硬编码的，必须以这种方式指定？
谢谢
浏览 0提问于2015-03-18得票数 2
1回答
我在python中有一个numpy数组，大小为(16,250,186)，表示时间、纬度和经度。 我想把它转换成一个netCDF文件，这样我以后就可以用坐标轻松地读取数据。 我的numpy数组如下所示 RZS = np.load("/home/chandra/Data/rootzone_CHIRPS_era5_2003-2015_daily-analysis_annual-result.npy")
RZS.shape
Output: (16, 250, 186) 正如您所看到的，我上面的numpy数组表示16年的年值。 chirps_precip =xarray.open_m
浏览 117提问于2019-05-03得票数 3
回答已采纳
多个日历将数据导入到我的FullCalendar中，我遇到了问题。
是否有任何功能允许按开始时间(即上午9点开始显示上午10点以上)按时间顺序排列日历事件，并在不同的日历上维护此功能？
目前看来，我的事件正在随机显示，并在不同的日历中分组。
我附上了结果的屏幕截图，并希望知道是什么导致了这种看似随机的数据输出，以及如何以符合用户逻辑的方式修复它。
浏览 2提问于2015-09-28得票数 0
我有一些问题，试图获得一个月平均值与哨兵3图像在…一切，真的。Python，Matlab，我们是两个陷入这个问题的人。
主要原因是这些图像的信息不在单个netcdf文件中，整齐地与坐标和产品放在一起。取而代之的是，它们都被放在一个名为的一天文件夹中的单独文件中。据我所知，SNAP使用一个xmlxs文件来处理所有这些独立的.nc文件。
现在，我认为这将是一个好主意，尝试合并和创建/编辑.nc文件，创建一个新的每日.nc，其中包括叶绿素，坐标，以及，也可以添加它，时间。稍后，我将合并这些新的值，以便能够使用xarray计算月平均值。至少这是我的想法，但我不能做第一部分。这可能是一个显而易见的解决方
浏览 7提问于2020-10-06得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
