python数据合并float_Python气象数据处理进阶之Xarray(5)：数据整合（分组，合并...）...

一、GroupBy: split-apply-combine

这部分同pandas的gorupby函数基本相同，实现对数据的分组归类等等。

split·将数据分为多个独立的组。

apply·对各个组进行操作。

combine·将各个组合并为一个数据对象。

1.split

创建一个dataset

ds = xr.Dataset({"u": (("lat", "lon"), np.random.rand(4, 3))},coords={"latitude": [10, 20, 30, 40], "country": ("x", list("abba"))})

print(ds)

#

#Dimensions: (lat: 4, latitude: 4, lon: 3, x: 4)

#Coordinates:

# * latitude (lat) int64 10 20 30 40

# country (lat)

#Dimensions without coordinates: lat, lon, x

#Data variables:

# u (lat, lon) float64 0.7656 0.3545 0.7117 ... 0.3729 0.4142 0.7367

我对官网的例子加以修改以便更好的理解。

解释下数据结构，创建了一个二维数据u(lat, lon)，坐标数据为latitude 和country ，强调一下这里创建的是dataset,而不是dataArray，分不清的可以再看看本系列的第一篇文章。坐标数据不等于u的坐标。创建coords部分都指明了latitude 和 country 都是针对lat的扩展。

我们可以这样理解，对于纬度的分类，我们可以按纬度的大小分，也就是"latitude": [10, 20, 30, 40] ； 我们也可以对纬度所在的国家分，"country": ("x", list("abba") ，那比如我们想求某个国家的数据的平均时就十分方便。

下边我们进行分组：

print(ds.groupby('country').groups)

#{'a': [0, 3], 'b': [1, 2]}

说明第0和第4个数是国家a的，第2和第3是国家b的。

.groups换成.mean() 则就是对分组求平均，以此类推。

print(list(ds.groupby('country')))

#[('a',

#Dimensions: (lat: 2, lon: 3)

#Coordinates:

# * lat (lat) int64 10 40

# country (lat)

#Dimensions without coordinates: lon

#Data variables:

# u (lat, lon) float64 0.4561 0.1734 0.8716 0.529 0.867 0.8497), ('b',

#Dimensions: (lat: 2, lon: 3)

#Coordinates:

# * lat (lat) int64 20 30

# country (lat)

#Dimensions without coordinates: lon

#Data variables:

# u (lat, lon) float64 0.4886 0.5533 0.9398 0.1959 0.1999 0.3381)]

必须添加一个list才可以将其分类结果打印出来。直接打印DatasetGroupBy object是不能输出结果的。

那么针对经纬度的坐标的分组怎么实现呢，比如说选出区间在多少到多少之间的？

.groupby_bins() 函数可以解决这一问题。

还是这个数据，"latitude": [10, 20, 30, 40]

那我们想以25为界，分为两组，0-25，25-50

x_bins = [0,25,50]

print(ds.groupby_bins('lat', x_bins).groups)

#{Interval(0, 25, closed='right'): [0, 1],

#Interval(25, 50, closed='right'): [2, 3]}

2. Apply

在进行了分组后，要对各个分组进行计算。

我们先从dataset 中取出 u 这个dataarray

u = ds["u"]

print(u)

#

#array([[0.45610017, 0.17344946, 0.87160651],

# [0.48857117, 0.5533467 , 0.93982257],

# [0.19588396, 0.19992985, 0.33810041],

# [0.52899729, 0.86697401, 0.84972525]])

#Coordinates:

# * lat (lat) int64 10 20 30 40

# country (lat)

#Dimensions without coordinates: lon

比如是实现前边提到的按国家进行数据平均,或者标准化

u.groupby('country').mean(dim='lat')

也可以通过map()函数使用一些自定义的函数，比如说标准化，

def standardize(x):

return (x - x.mean()) / x.std()

print(u.groupby('country').map(standardize))

这个用法是官方提供的，但是我的Xarray版本过低，还不支持这种用法(Xarray会定期更新，以至于可能我介绍过的一些方法有了更简便的操作，大家可以在评论区留言)。

强调一句，Xarray官方的更新是比较快的，很可能我写在这里的函数官方又给出了更新的版本，但是我没办法做到时刻与官方最新同步，所以如果遇到问题，最好的解决办法还是去查阅官方文档的对应部分。