xarray - 将数据重新采样为可变长度的季节性频率

Question

我有每月时间序列的数据，我想以特定的方式对其进行重新采样，这样我就有两个季节组 - 5 个月 (DJFMA) 和 7 个月 (MJJASON)，并找到每个组中每个网格点的最大值。这是我所拥有的，但显然它没有达到我想要的效果：

my_data.resample(time='2QS-NOV').max(dim='time')

谢谢！

Answer 1

您可以使用 DateTimeAccessor 任何日期时间坐标的属性来定义您自己的石斑鱼，然后使用 groupby 而不是重新采样来使用自定义重新采样频率。

例如，我将设置一个包含 4 年日常数据的虚拟数据集。

In [1]: import pandas as pd, xarray as xr, numpy as np

In [2]: da = xr.DataArray(
   ...:     np.arange(365 * 4 + 1),
   ...:     dims=["time"],
   ...:     coords=[pd.date_range("2020-01-01", freq="D", periods=(365 * 4 + 1))],
   ...: )

In [3]: da
Out[3]:
<xarray.DataArray (time: 1461)>
array([   0,    1,    2, ..., 1458, 1459, 1460])
Coordinates:
  * time     (time) datetime64[ns] 2020-01-01 2020-01-02 ... 2023-12-31

您可以使用 .dt.month 访问器以 1 到 12 之间的整数形式访问月份：

In [4]: da.time.dt.month
Out[4]:
<xarray.DataArray 'month' (time: 1461)>
array([ 1,  1,  1, ..., 12, 12, 12])
Coordinates:
  * time     (time) datetime64[ns] 2020-01-01 2020-01-02 ... 2023-12-31

您可以将其用作它自己的系列来构建您想要的任何条件：

In [5]: (da.time.dt.month > 4) & (da.time.dt.month < 12)
Out[5]:
<xarray.DataArray 'month' (time: 1461)>
array([False, False, False, ..., False, False, False])
Coordinates:
  * time     (time) datetime64[ns] 2020-01-01 2020-01-02 ... 2023-12-31

我将在此基础上制作格式为 YYYY-{monthgroup} 的字符串，确保将 12 月包含在下一年的组中：

In [13]: grouper = (
    ...:     xr.where(da.time.dt.month == 12, (da.time.dt.year + 1), da.time.dt.year)
    ...:     .astype(str)
    ...:     .astype("O")
    ...:     + "-"
    ...:     + xr.where((da.time.dt.month > 4) & (da.time.dt.month < 12), "MJJASON", "DJFMA")
    ...: )

我们可以使用此石斑鱼对数据进行重新采样时间维度：

In [14]: da.groupby(grouper).max(dim="time").sortby("group")
Out[14]:
<xarray.DataArray (group: 9)>
array([ 120,  334,  485,  699,  850, 1064, 1215, 1429, 1460])
Coordinates:
  * group    (group) object '2020-DJFMA' '2020-MJJASON' ... '2024-DJFMA'

请注意，第一组和最后一组缺少月份，因为数据与 12 月到 11 月的季节性方案不完全一致。您可能想根据您的目标放弃这些。