如何使用 xarray 将 NetCDF 时间维度拆分为年份与月日的四维结构

千墨吖_8681

千墨吖_8681

2026-11-21

836人浏览

原创

如何使用 xarray 将 NetCDF 时间维度拆分为年份与月日的四维结构

本文介绍如何将 xarray 中一维时间坐标(如每日时间序列)按“年”和“月-日”两级拆解,重构为 year × monthly × lon × lat 的四维 DataArray,并解释 .first()/.last() 报错原因及正确用法。

本文介绍如何将 xarray 中一维时间坐标(如每日时间序列)按“年”和“月-日”两级拆解,重构为 year × monthly × lon × lat 的四维 dataarray,并解释 `.first()`/`.last()` 报错原因及正确用法。

在处理气候或遥感等长时间序列 NetCDF 数据时,常需将原始的 time × lon × lat 三维结构按时间语义进一步分解——例如分离出“年份”与“固定月日组合”(如 01-01, 12-31),从而构建便于跨年比较(如计算多年同日均值)的四维数据结构:year × monthly × lon × lat。

xarray 本身不直接支持对坐标做“多级索引升维”,但可通过 pandas.MultiIndex + unstack() 实现优雅转换。以下是完整实现流程:

✅ 正确做法:构造 MultiIndex 并 unstack

import xarray as xr
import numpy as np
import pandas as pd

# 构造示例数据(跳过闰年2月29日)
time = pd.date_range("2000-01-01", "2001-12-31", freq="D")
time = time[~((time.month == 2) & (time.day == 29))]
lon = np.linspace(100, 110, 5)
lat = np.linspace(30, 35, 4)
data = np.random.rand(len(time), len(lon), len(lat))

da = xr.DataArray(
    data,
    coords={"time": time, "lon": lon, "lat": lat},
    dims=["time", "lon", "lat"],
    name="pr"
)

# 提取年份和标准化月日字符串(如 '01-01')
years = da.time.dt.year.values
month_day = da.time.dt.strftime("%m-%d").values

# 创建带名称的 MultiIndex(关键!)
multi_index = pd.MultiIndex.from_arrays([years, month_day], names=("year", "monthly"))

# 替换原 time 坐标,并展开为二维坐标
da_4d = da.copy()
da_4d = da_4d.assign_coords(time=multi_index).set_index(time="time")  # 确保 time 是索引
da_4d = da_4d.unstack("time")  # 核心步骤:将复合索引展开为独立维度

print(da_4d.dims)  # 输出: ('year', 'monthly', 'lon', 'lat')
print(da_4d.year.values)      # [2000 2001]
print(da_4d.monthly.values[:3])  # ['01-01' '01-02' '01-03']

? 关键点说明:

  • pd.MultiIndex.from_arrays(..., names=...) 必须显式指定 names,否则 unstack() 无法自动推导新维度名;
  • set_index(time="time") 确保 time 是索引而非普通坐标,这是 unstack() 的前提;
  • unstack("time") 将复合索引 time 拆解为两个独立维度 year 和 monthly,顺序与 MultiIndex 中数组顺序一致。

❌ 为什么 .first() / .last() 报错?

你尝试的写法:

da.assign_coords(year=da.time.dt.year, monthday=da.time.dt.strftime("%m-%d")) \
  .groupby(['year', 'monthday']).first()  # ← 报错!

会触发 ValueError: 'year' and 'monthday' are not coordinates 或类似提示,根本原因在于:

  • groupby() 要求分组变量必须是 DataArray 的坐标(coordinate)或维度(dimension);
  • assign_coords() 返回的新 DataArray 中,year 和 monthday 确实是坐标,但 groupby(['year', 'monthday']) 语法仅支持单个分组键(如 groupby('year')),不支持列表形式的多坐标联合分组;
  • 正确的多级分组应使用 groupby('year', 'monthday')(注意无方括号)或更推荐的 groupby(da.time.dt.year * 100 + da.time.dt.day) 等标量键,但最规范的是先构造 MultiIndex 再 groupby:

✅ 正确的多级 groupby 示例(用于聚合,非升维):

# 方法1:基于 MultiIndex 分组(推荐)
da_with_multi = da.assign_coords(time=pd.MultiIndex.from_arrays([
    da.time.dt.year, da.time.dt.strftime("%m-%d")
], names=("year", "monthly"))).set_index(time="time")
result_first = da_with_multi.groupby("time").first()  # 按复合索引整体分组
# 若需按年+月日分别聚合,可:
result_mean = da_with_multi.groupby("time").mean("time")  # 但注意:这会降维

# 方法2:使用字符串格式化作为分组键(兼容旧版)
da_grouped = da.assign_coords(group_key=da.time.dt.strftime("%Y-%m-%d"))
da_grouped.groupby("group_key").first()  # 合法,但结果仍是3D

⚠️ 注意:.first() 和 .last() 是 GroupBy 对象的方法,不是 DataArray 的直接方法;它们作用于分组后的每组数据,返回每组第一个/最后一个时间片(保持空间维度)。若目标是升维(得到4D),unstack() 是唯一正解;若目标是聚合(如每年同日取最大值),才用 groupby(...).max()。

✅ 总结与最佳实践

目标 推荐方法 关键命令
升维:time → year × monthly MultiIndex + unstack() da.assign_coords(time=multi_idx).set_index(time="time").unstack("time")
聚合:按年+月日统计(如均值) groupby with string key or MultiIndex da.groupby(da.time.dt.strftime("%Y-%m-%d")).mean()
避免报错 不对未设置为索引的坐标用 groupby([...]);不用列表传入多坐标

通过以上方法,你可灵活构建适用于气候学分析(如位相锁定诊断、季节循环提取)的高维结构化数据,同时规避常见 API 误用陷阱。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5624

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34497

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3143

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习