python xarray DataArray 用法

最新推荐文章于 2023-02-05 22:01:50 发布
最新推荐文章于 2023-02-05 22:01:50 发布
阅读量6.5k 收藏 18
点赞数
分类专栏： python宝典
原文链接：https://blog.csdn.net/qq_27386899/article/details/104207470
版权
xarray DataArray是一个带标签的多维数组，主要特点包括values、dims、coords和attrs。它提供了基于标签的索引和对齐功能，不同于numpy的维度处理。DataArray的构造需要指定values、坐标和维度，坐标可以是pandas的Index对象或其他形式。DataArray的属性如values、dims、coords和attrs分别代表数组值、维度名称、坐标和元数据。可以通过修改attrs添加元数据，坐标可以按名称访问或通过索引数据数组。
摘要由CSDN通过智能技术生成

 

xarray.DataArray 是一个使用标签的多维数组，主要有以下几个关键属性：

  • values：一个保存数组值的numpy.ndarray
  • dims: 每个坐标轴的维度名称 (例如， (‘x’, ‘y’, ‘z’))-
  • coords: 一个包含数组坐标的类似字典的容器，用来标记每个点（例如，数字，日期时间对象或字符串的一维数组）
  • attrs: 存放任意元数据（属性）的字典

xarray使用dims和coords来实现其核心元数据的感知操作。 维度(Dimensions)提供xarray使用的名称，而不是许多numpy函数中的axis参数。 坐标(Coordinates)基于pandas的DataFrame或Series上的索引(index)功能，可实现基于标签的快速索引和对齐。

DataArray对象也可以具有一个名称(name)，并可以使其以attrs属性的形式保存任意元数据。 名称和属性仅供用户和用户编写的代码查阅：xarray不会尝试解释它们，并且仅在明确的情况下使用它们（请参阅常见问题，What is your approach to metadata?）

创建一个 DataArray

构造DataArray函数需要：

  • data：包含值的多维数组（例如一个numpy ndarray，Series，DataFrame或pandas.Panel）
  • coords：一个包含坐标的列表或字典。 如果是列表，则应为元组列表，其中第一个元素是维名称，第二个元素是对应的坐标类似array的对象。
  • dims：包含维名称的列表。 如果省略，并且coords是包含元组的列表，则维度名称取自coords。
  • attrs：添加到实例的属性字典
  • name：命名实例的字符串
In [1]: data = np.random.rand(4, 3)

In [2]: locs = ['IA', 'IL', 'IN']

In [3]: times = pd.date_range('2000-01-01', periods=4)

In [4]: foo = xr.DataArray(data, coords=[times, locs], dims=['time', 'space'])

In [5]: foo
Out[5]: 
<xarray.DataArray (time: 4, space: 3)>
array([[0.127, 0.967, 0.26 ],
       [0.897, 0.377, 0.336],
       [0.451, 0.84 , 0.123],
       [0.543, 0.373, 0.448]])
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'

只有data是必须的； 其他所有参数将使用默认值填充：

In [6]: xr.DataArray(data)
Out[6]: 
<xarray.DataArray (dim_0: 4, dim_1: 3)>
array([[0.127, 0.967, 0.26 ],
       [0.897, 0.377, 0.336],
       [0.451, 0.84 , 0.123],
       [0.543, 0.373, 0.448]])
Dimensions without coordinates: dim_0, dim_1

如您所见，维度名称始终存在于xarray数据模型中：如果不提供，则将以默认dim_N格式创建。 但是，坐标始终是可选的，并且维度没有自动的坐标标签。

注意:
这点与pandas不同，在pandas中经常会有刻度标签，默认为整数[0, ..., n-1]。
在xarray v0.9之前，xarray套用了此行为：如果未显式提供坐标，则会为每个维度创建默认坐标。 目前已不是这种情况。

坐标(Coordinates)可以通过以下方式指定：

  • 长度等于维数的列表，为每个维度提供坐标标签。 每个对应的值都必须采用以下形式之一：
    • 一个 DataArray 或 Variable
    • 格式为(dims, data[, attrs])的元组，将会被转换为Variable的参数
    • 一个pandas对象或标量值，将会被转换为DataArray
    • 一维数组或列表，将被解释为一维坐标变量的值，以及与之对应的维度名称。
  • 形式为{coord_name: coord}的字典，其中值的形式与列表相同。 以字典的形式提供坐标，允许除了对应的维度的坐标以外的其他坐标（稍后会详细介绍）。 如果将coords作为字典提供，则必须显式提供dims。

以包含元组的列表提供：

In [7]: xr.DataArray(data, coords=[('time', times), ('space', locs)])
Out[7]: 
<xarray.DataArray (time: 4, space: 3)>
array([[0.127, 0.967, 0.26 ],
       [0.897, 0.377, 0.336],
       [0.451, 0.84 , 0.123],
       [0.543, 0.373, 0.448]])
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'

以字典提供：

In [8]: xr.DataArray(data, coords={'time': times, 'space': locs, 'const': 42,
   ...:                            'ranking': ('space', [1, 2, 3])},
   ...:              dims=['time', 'space'])
   ...: 
Out[8]: 
<xarray.DataArray (time: 4, space: 3)>
array([[0.127, 0.967, 0.26 ],
       [0.897, 0.377, 0.336],
       [0.451, 0.84 , 0.123],
       [0.543, 0.373, 0.448]])
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'
    const    int64 42
    ranking  (space) int64 1 2 3

以具有多个维度坐标的字典提供：

In [9]: xr.DataArray(data, coords={'time': times, 'space': locs, 'const': 42,
   ...:                            'ranking': (('time', 'space'), np.arange(12).reshape(4,3))},
   ...:              dims=['time', 'space'])
   ...: 
Out[9]: 
<xarray.DataArray (time: 4, space: 3)>
array([[0.127, 0.967, 0.26 ],
       [0.897, 0.377, 0.336],
       [0.451, 0.84 , 0.123],
       [0.543, 0.373, 0.448]])
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'
    const    int64 42
    ranking  (time, space) int64 0 1 2 3 4 5 6 7 8 9 10 11

如果通过提供pandas的 Series，DataFrame或pandas.Panel创建DataArray，则将从pandas对象中填充DataArray构造函数中所有未指定的参数：

In [10]: df = pd.DataFrame({'x': [0, 1], 'y': [2, 3]}, index=['a', 'b'])

In [11]: df.index.name = 'abc'

In [12]: df.columns.name = 'xyz'

In [13]: df
Out[13]: 
xyz  x  y
abc      
a    0  2
b    1  3

In [14]: xr.DataArray(df)
Out[14]: 
<xarray.DataArray (abc: 2, xyz: 2)>
array([[0, 2],
       [1, 3]])
Coordinates:
  * abc      (abc) object 'a' 'b'
  * xyz      (xyz) object 'x' 'y'

DataArray属性

让我们看一下array上的重要属性：

In [15]: foo.values
Out[15]: 
array([[0.127, 0.967, 0.26 ],
       [0.897, 0.377, 0.336],
       [0.451, 0.84 , 0.123],
       [0.543, 0.373, 0.448]])

In [16]: foo.dims
Out[16]: ('time', 'space')

In [17]: foo.coords
Out[17]: 
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'

In [18]: foo.attrs
Out[18]: {}

In [19]: print(foo.name)
None

可以就地修改value：

In [20]: foo.values = 1.0 * foo.values
  •  

注意：
DataArray中的数组值具有单个（均一）数据类型。 要使用xarray中的异构或结构化数据类型，请使用坐标，或将单独的DataArray对象放在单个Dataset中（请参见下文）。

现在，填写一些缺少的元数据：

In [21]: foo.name = 'foo'

In [22]: foo.attrs['units'] = 'meters'

In [23]: foo
Out[23]: 
<xarray.DataArray 'foo' (time: 4, space: 3)>
array([[0.127, 0.967, 0.26 ],
       [0.897, 0.377, 0.336],
       [0.451, 0.84 , 0.123],
       [0.543, 0.373, 0.448]])
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'
Attributes:
    units:    meters

rename()方法是另一个选项，返回一个新的数据数组：

In [24]: foo.rename('bar')
Out[24]: 
<xarray.DataArray 'bar' (time: 4, space: 3)>
array([[0.127, 0.967, 0.26 ],
       [0.897, 0.377, 0.336],
       [0.451, 0.84 , 0.123],
       [0.543, 0.373, 0.448]])
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'
Attributes:
    units:    meters

DataArray坐标(Coordinates)

coords属性类似于字典(dict)。 单个坐标可以从坐标中按名称访问，甚至可以通过索引数据数组本身来访问：

In [25]: foo.coords['time']
Out[25]: 
<xarray.DataArray 'time' (time: 4)>
array(['2000-01-01T00:00:00.000000000', '2000-01-02T00:00:00.000000000',
       '2000-01-03T00:00:00.000000000', '2000-01-04T00:00:00.000000000'],
      dtype='datetime64[ns]')
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04

In [26]: foo['time']
Out[26]: 
<xarray.DataArray 'time' (time: 4)>
array(['2000-01-01T00:00:00.000000000', '2000-01-02T00:00:00.000000000',
       '2000-01-03T00:00:00.000000000', '2000-01-04T00:00:00.000000000'],
      dtype='datetime64[ns]')
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04

这些也是DataArray对象，其中包含每个维度的刻度标签。

也可以使用字典来设置或删除坐标，例如语法：

In [27]: foo['ranking'] = ('space', [1, 2, 3])

In [28]: foo.coords
Out[28]: 
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'
    ranking  (space) int64 1 2 3

In [29]: del foo['ranking']

In [30]: foo.coords
Out[30]: 
Coordinates:
  * time     (time) datetime64[ns] 2000-01-01 2000-01-02 2000-01-03 2000-01-04
  * space    (space) <U2 'IA' 'IL' 'IN'

更多详细内容，请参阅 Coordinates

AI算法网奇
关注
  • 0
    点赞
  • 踩
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
订阅专栏
Python xarray DataArray 详解：一文带你深入学习数据分析
weixin_50547796的博客
06-19 76
数据分析在当今社会变得越来越重要，而Python作为一门高效、易用的编程语言，也是数据分析领域的主流工具之一。其中， xarray 是一种开源的数据处理库，它专为处理带标签设计，可让您在 Python 中轻松地操作大型科学数据集。此外，在 xarray 的另一个模块中，DataArray则是一种强大的数据结构，提供了随时对多维数组进行索引、切片、分组和聚合等功能。Python xarray DataArray 的基础用法，包括如何创建 DataArray 以及如何对其进行各种操作和计算。
xarray数据结构之DataArray
热门推荐
沉研的博客
02-07 2万+
xarray数据结构之DataArray创建一个 DataArrayDataArray属性DataArray坐标(Coordinates) xarray.DataArray 是一个使用标签的多维数组，主要有以下几个关键属性： values：一个保存数组值的numpy.ndarray dims: 每个坐标轴的维度名称 (例如， (‘x’, ‘y’, ‘z’))- coords: 一个包含数组坐标的...
python从date目录导入数据集_Python Xarray将DataArray添加到数据集
weixin_39928003的博客
11-23 275
array([23,98,23])Coordinates:*name(name)538self.update({key:value})539540def__delitem__(self,key):/Library/Frameworks/Python.framework/Versions/3.5/lib/python3.5/site-packages/xarray/core/dataset.pyin...
xarray 笔记：DataArray
qq_40206371的博客
10-10 3910
1 DataArray介绍 xarray.DataArray是一个使用标签的多维数组 1.1 DataArray 的关键数组 values 保存数组值的numpy.ndarray dims 每个坐标轴的维度名称 (例如， (‘x’, ‘y’, ‘z’)) coords 一个包含数组坐标的类似字典的容器，用来标记每个点（例如，数字，日期时间对象或字符串的一维数组） attrs 存放任意元数据（属性）的字典 xarray使用dims和coords来实现其核心元数据.
python numpy array索引_python数据分析（三） python numpy--数组--运算，切片和索引
weixin_39836803的博客
12-04 240
Numpy数组的运算：numpy数组最大的特点是任何运算，都会自动的对数组当中的所有变量进行运算，所以千万不要试图自己去使用循环去取数组当中的值进行运算(非常愚蠢)。1.相同大小的数组之间的运算数组可以不编写循环而对数据执行批量运算，称之为矢量化，大小相同数组之间的算术运算将会应用到元素级。In [51]: arr = np.array([[1., 2., 3.], [4., 5., 6.]])I...
Climate-viz：使用xarray和cartopy Python库生成气候变化数据的图表和动画（GISTEMP v4）
02-17
一旦数据加载到xarray的DataArray或Dataset对象中，我们就可以开始进行数据探索。这可能包括计算平均值、趋势线或者异常值，以揭示长期气候变化模式。xarray的切片和聚合功能在此非常有用。 接下来，我们将利用...
Python-xarray是一个开源Python包让多维数组处理更加简单高效并有趣
08-10
xarray 的核心数据结构是 DataArray，它类似于 Numpy 的 ndarray，但增加了对维度标签（即坐标）和元数据的支持。这种增强的数据结构允许用户通过维度名而非索引来引用数据，提高了代码的可读性和可维护性。 2. **...
Python库 | xarray_simlab-0.4.1-py3-none-any.whl
03-25
`xarray` 的核心数据结构是`DataArray`，它类似于NumPy的`ndarray`，但具备坐标轴标签和属性，能更高效地进行数据操作、索引和计算。 **二、xarray_simlab的核心特性** 1. **基于xarray的数据模型**：`xarray_...
Python-hvPlot基于HoloViews的pandasdaskstreamz和xarray高级绘图API
08-10
xarray的DataArray对象可以直接传递给hvPlot，生成针对多维数据的可视化，如气候模型输出或遥感图像。 至于networkx，一个用于图形和网络分析的库，hvPlot允许将网络结构可视化为节点和边的图，便于理解网络的结构...
PyPI 官网下载 | xarray-0.10.9.tar.gz
01-17
本文将深入探讨xarray的核心特性、安装与使用方法，以及它在实际应用中的价值。 xarray-0.10.9.tar.gz是xarray库的一个版本包，可以从Python的官方第三方包仓库PyPI（Python Package Index）上获取。这个压缩包包含...
关于Xarray在对一个维度求平均或求和后降维的情况，如何把降维的那个坐标系（比如时间）再升回去
weixin_48458238的博客
08-23 1169
如何把降维的那个坐标系（比如时间）再升回去，重点解决对时间维度平均后，把平均的那个时间维度升回去，用于往后各年数据的堆叠。
python的库学习记录--xarray--结构概述
【更新于公众号 | 简谱学记】
02-05 2099
python xarray Data Structures
python --xarray绘图
【更新于公众号 | 简谱学记】
09-16 5414
文章目录基础绘图：.plot()进阶绘图--axes 首先导入数据以及相关库： import xarray as xr import numpy as np file='D:\\sst.mnmean.nc' data=xr.open_dataset(file) 由于该数据纬度坐标lat是自大至小排列的（即降序排列，为便于后续处理）使用.sortby()对纬度坐标lat进行升序排列。第一个参数是需进行排序的变量名称（字符串类型）；第二个参数ascending是排序方式，若为True则按照升序，否则按照降序。
python数组增加维度_python – 为xarray DataArray添加维度
weixin_39953356的博客
12-05 1929
我需要为DataArray添加一个维度,在新维度上填充值.这是原始数组.a_size = 10a_coords = np.linspace(0, 1, a_size)b_size = 5b_coords = np.linspace(0, 1, b_size)# original 1-dimensional arrayx = xr.DataArray(np.random.random(a_size)...
python Xarray处理设置2维数组作为coordinates
VictoriaLy的博客
12-03 4552
因为想做笔记，所以直接做的很粗糙了，后面再更新！ import cv2 import numpy as np from osgeo import gdal import os import xarray as xr import matplotlib.pyplot as plt import matplotlib as mpl fig, ax = plt.subplots(figsize=(6, 1)) fig.subplots_adjust(bottom=0.5) cmap = mpl.cm.c
学习笔记3 | 高维数据处理——Xarray
qq_53185200的博客
01-01 3838
高维数据处理笔记包括：Xarray数据结构、数据读取、索引、坐标系统、统计、可视化和掩膜
一个数组dataArray[m] 里有m个数字，要求按数字从小到达排列的数字下标储存在新的数组中 indexArray[n]中...
yuhongbo123的专栏
10-27 239
package org.crazyit.app.action; import java.util.HashMap; import java.util.Map; public class Test { public static void main(String[] args) { // 0 1 2 3 4 Integer[] d...
//相当于深拷贝一份dataArray。这样才不会改变dataArray本身的值
YZP664521的博客
08-17 128
//相当于深拷贝一份dataArray。这样才不会改变dataArray本身的值 NSMutableArray* commitDataArray = [NSKeyedUnarchiver unarchiveObjectWithData:[NSKeyedArchiver archivedDataWithRootObject:dataArray]]; 转载于:https://www...
原创二胡音色源文件，可以让热爱电子乐喜欢做MIDI音乐的朋友，做参考音源
最新发布
08-14
原创二胡音色源文件，可以让热爱电子乐喜欢做MIDI音乐的朋友，做参考音源。这里开源给大家，希望能帮助到您
xarray.dataarray修改维度名
05-31
要修改 xarray.DataArray 的维度名，可以使用 `rename_dims()` 方法。例如，将维度名从 "dim1" 修改为 "new_dim1"，可以这样调用： ```python import xarray as xr da = xr.DataArray([[1, 2], [3, 4]], dims=("dim1", "dim2")) da_renamed = da.rename_dims({"dim1": "new_dim1"}) ``` 这将返回一个新的 `DataArray`，其中维度名 "dim1" 被替换为 "new_dim1"。可以使用 `dims` 属性查看新的维度名： ```python print(da_renamed.dims) # Output: ("new_dim1", "dim2") ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值