如何将DataFrame的行列索引设为经纬度并构建xarray数据集-Python教程-PHP中文网

如何将DataFrame的行列索引设为经纬度并构建xarray数据集

本文介绍如何将pandas dataframe的行索引和列名分别设为纬度（lat）和经度（lon），并进一步转换为结构清晰、支持地理空间分析的xarray.dataset，便于后续插值、可视化与多维运算。

本文介绍如何将pandas dataframe的行索引和列名分别设为纬度（lat）和经度（lon），并进一步转换为结构清晰、支持地理空间分析的xarray.dataset，便于后续插值、可视化与多维运算。

在地理空间数据分析中，常需将规则网格（如全球0.05°分辨率栅格）表示为带地理坐标语义的结构化数据。若你已有一个二维DataFrame（行对应纬度、列对应经度），但索引尚未设置为实际地理坐标，可通过简单赋值完成坐标对齐；再借助xarray将其升级为具备维度语义、坐标属性和元数据支持的科学计算数据集。

一、设置经纬度为DataFrame索引

假设你已生成标准经纬度向量：

import numpy as np
import pandas as pd

longitude = np.arange(-180, 180, 0.05)   # 长度：7200
latitude  = np.arange(-90, 90, 0.05)     # 长度：3600

确保你的DataFrame形状与之匹配（即 len(df.index) == len(latitude) 且 len(df.columns) == len(longitude)）。然后直接赋值：

df.index = latitude
df.columns = longitude

此时，df 的行索引即为纬度（单位：度），列名为经度（单位：度），支持按坐标切片，例如 df.loc[30:40, -120:-110] 可快速提取中国东部区域子集。

⚠️ 注意：

latitude 应为升序（从南到北），若原始数据是自上而下（如遥感影像常用北纬优先），请先用 df = df.iloc[::-1] 翻转行序，再赋值 df.index = latitude，否则坐标将错位；

经度范围建议统一为 [-180, 180)，避免与 [0, 360) 混用导致xarray坐标解析异常。

二、转换为xarray.Dataset

xarray 是处理多维地理数据的事实标准。利用 xr.Dataset.from_dataframe() 或更推荐的手动构造方式，可显式定义维度与坐标：

import xarray as xr

# 方法1：推荐——显式构造，语义清晰、可控性强
ds = xr.Dataset(
    data_vars={"values": (["lat", "lon"], df.values)},
    coords={
        "lat":  ("lat", latitude),   # 纬度坐标（一维）
        "lon":  ("lon", longitude)   # 经度坐标（一维）
    }
)

# 方法2：快捷但隐含假设（要求df索引/列名已正确设置）
# ds = df.to_xarray().rename({"index": "lat", "columns": "lon"})

构造后的 ds 具备完整地理信息：

ds.lat 和 ds.lon 是带单位的坐标变量；
ds.values 是 DataArray，维度为 ('lat', 'lon')，支持 .sel(lat=35.5, lon=-119.2, method='nearest') 等地理查询；
可直接用于 ds.plot() 可视化、ds.rio.write_crs("EPSG:4326") 写入地理参考，或接入 rioxarray 进行投影变换。

三、验证与进阶提示

检查坐标是否正确对齐：

print(ds.lat.values[[0, -1]])  # 应输出 [-90.  89.95]
print(ds.lon.values[[0, -1]])  # 应输出 [-180. -0.05]
print(ds.values.shape)         # 应为 (3600, 7200)

✅ 最佳实践建议：