Datawhale AI 夏令营 -- xarray初识

最新推荐文章于 2024-08-31 21:39:38 发布

uishd666

最新推荐文章于 2024-08-31 21:39:38 发布

阅读量434

点赞数 13

文章标签： python

本文链接：https://blog.csdn.net/uishd666/article/details/140757835

版权

xarray提供了DataArray和Dataset两种数据结构，见官方文档

一、DataArray

DataArray与np.array相比，提供了一个更加直观的读取数据方式：

label -- 标签

对于拥有自然维度的数据，如气象等，可以直接将x命名为time，代码可阅读性更强。

import numpy as np
import xarray as xr
 
data = np.random.rand(4, 3)
locs = ["One", "Two", "Three"]
times = pd.date_range("2000-01-01", periods=4)
foo = xr.DataArray(data, coords=[times, locs], dims=["time", "space"])

这样就定义了一个DataArray对象，形态类似于pd.Dataframe，即每个列、行都有对应的label，或者叫name，相当于Dataframe中的列header和行index。

输出foo如上，可以看到如下：

数组大小与data一致——为4x3
time为行标签，有四个维度
space为列标签，有三个维度

那在Dataframe中类似的格式如下：

	space1	space2	space3
time1	x	x	x
time2	x	x	x
time3	x	x	x
time4	x	x	x

那么此时如果需要取出数据，则语法如下：

这行代码的意思就是，取出列(space)为"Two"的这一列数据。同样，取出某一行数据也是同样的函数。

如果只查看坐标轴的名称参数，即输出(time1, time2, time3 ……)，整体上与dist类似，运行代码：

二、Dataset

Dataset可以理解为多个DataArray的堆积

ds = xr.Dataset(
    data_vars={
        "a": (("x", "y"), np.ones((3, 3))),
        "b": ("t", np.full(4, 1), {"b atrri": "b value"}),
              },       
    coords={
        "longtitude":("x",[-1, 0, 1]),
        "latitude":("y",[-1, 0, 1]),
        "time":("t",["2021-09-01", "2021-09-02", "2021-09-03", "2021-09-04"])
)

这段代码可以简单理解为，创建两个DataArray，分别命名为"a","b"，然后组合成一个Dataset

x,y两个三维的坐标组合表示"a"——(3,3)的数组
t一个四维的坐标表示"b"——(4,1)的数组

结构上与DataArray一致，data表示数据，coords表示坐标信息，且坐标的维度要与数据的维度相一致

当我们需要取出单个数组时，语法与上文类似

三、sel与isel

sel，全称(select by label)

sel方法允许你根据标签（labels）来选择数据。这意味着你可以使用维度的标签来选择数据，而不是使用索引。
它通常用于选择具有明确标签的维度，例如时间、空间或其他具有实际意义的标签。
sel方法可以处理不连续的选择，即可以选择多个不连续的标签。

对上述数据做出修改

ds = xr.Dataset(
    data_vars={
        "a": (("x", "y"), np.random.randn(3,3)),
        "b": ("t", np.full(4, 1), {"b atrri": "b value"}),
              },       
    coords={
        "longtitude":("x",[-1, 0, 1]),
        "latitude":("y",[-1, 0, 1]),
        "time":("t",["2021-09-01", "2021-09-02", "2021-09-03", "2021-09-04"])
            },
)