
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。










