python位运算符应用_python-寻找在3600x20x20的xarray中的阈值之间查找值的最快方法...

我想计算平均温度在两个值之间的天数(比如293K和303K)。这需要计算一个大约10000x20x20的大数组(时间、纬度、经度)。在这种规模下，代码的效率就成了一个问题。我知道一个循环是相当低效的，但我还没有想到另一种编码方法。

所以简而言之，我在找一段更有效的代码比我在下面插入的要多。欢迎使用任何提示或参考资料！

(除上述内容外，我对python还很陌生，因此您可能会得到任何反馈！)

首先，我有三个嵌套循环( for i .. for j …… for k …)但这花了大约100倍的时间。使用 1*(boolean) 证明更有效。我现在正试图摆脱我最后的循环( for i …)。速度非常重要，因为这个脚本将包含在交互式Web应用程序中。

import xarray as xr

import numpy as np

import time

# Firstly construct a data array of temperatures with dimensions latitude, longitude, time

da_t1 = xr.DataArray([[290, 295, 300, 305, 295],

[295, 295, 305, 295, 290],

[300, 300, 300, 305, 295],

[290, 295, 300, 305, 295],

[290, 295, 300, 305, 295]],

dims=['lat', 'lon'],

coords={'lat': [-5, -2.5, 0, 2.5, 5], 'lon': [33, 35, 37, 39, 41]})

da_t2 = xr.DataArray([[295, 295, 305, 295, 295],

[295, 295, 305, 295, 290],

[300, 300, 300, 305, 295],

[290, 300, 300, 305, 305],

[290, 285, 285, 285, 295]],

dims=['lat', 'lon'],

coords={'lat': [-5, -2.5, 0, 2.5, 5], 'lon': [33, 35, 37, 39, 41]})

da = xr.concat([da_t1, da_t2], 'time')

# Create an array of zeros to keep track of number of days within certain temperature range for each cell

zeros = da[0]

zeros.values = np.zeros((da.sizes['lat'], da.sizes['lon']))

# Loop through the timesteps and the cells to count for each cell the number of days in the temperature range

trange = (293,303)

# Here's the part that could use faster performance

start = time.time()

for i in range(0, (len(da.time))):

int_array = 1*(da.values[i] >= trange[0]) * (da.values[i] <= trange[1])

zeros = zeros + int_array

end = time.time()

print('time elapsed: ',end-start)

print(zeros.values)

结果是显示选定时间段内指定温度范围内的天数的数组。在这种情况下：

zeros =

[[1. 2. 1. 1. 2.]

[2. 2. 0. 2. 0.]

[2. 2. 2. 0. 2.]

[0. 2. 2. 0. 1.]

[0. 1. 1. 0. 2.]]