[英]get mean of netcdf file using xarray
我使用 xarray 在 python 中打开了一个 netcdf 文件,数据集摘要如下所示。
Dimensions: (latitude: 721, longitude: 1440, time: 41)
Coordinates:
* longitude (longitude) float32 0.0 0.25 0.5 0.75 ... 359.25 359.5 359.75
* latitude (latitude) float32 90.0 89.75 89.5 89.25 ... -89.5 -89.75 -90.0
expver int32 1
* time (time) datetime64[ns] 1979-01-01 1980-01-01 ... 2019-01-01
Data variables:
z (time, latitude, longitude) float32 50517.914 ... 49769.473
Attributes:
Conventions: CF-1.6
history: 2020-03-02 12:47:40 GMT by grib_to_netcdf-2.16.0: /opt/ecmw...
我想得到沿纬度和经度维度的 z 值的平均值。
我尝试使用此代码:
df.mean(axis = 0)
但它正在删除时间坐标,并返回给我这样的东西。
Dimensions: (latitude: 721, longitude: 1440)
Coordinates:
expver int32 1
Dimensions without coordinates: latitude, longitude
Data variables:
z (latitude, longitude) float32 49742.03 49742.03 ... 50306.242
我在这里做错了什么。 请帮我解决一下这个。
警告!!! 如果您沿纬度应用它,接受的答案将给您错误的结果(您需要这样做才能完全回答问题),因为您需要对每个单元格进行加权,它们的大小不同,并且随着您移向规则纬度网格中的极点。
Xarray 解决方案:
因此,要进行加权平均,您需要按照以下代码构建权重:
import numpy as np
weights = np.cos(np.deg2rad(df.z))
weights.name = "weights"
z_weighted = df.z.weighted(weights)
weighted_mean = z_weighted.mean(("longitude", "latitude"))
有关更多详细信息和示例比较,请参阅 xarray 文档中的此讨论。
误差的大小取决于您正在平均的区域,以及变量在纬度方向上的梯度有多强 - 纬度范围和变量梯度中的区域越大,情况越糟......对于一个全局温度场 这是 xarray 文档中的示例错误,远远超过 5degC! 未加权的答案更冷,因为即使那里的网格单元小得多,极点的计数也是相等的。
替代 CDO 解决方案
顺便说一句,顺便说一句,您也可以像这样从命令行使用 cdo 执行此操作
cdo fldmean in.nc out.nc
cdo 考虑了网格,因此您无需担心权重问题。
您需要按维度 ( dim
) 而不是axis
。
使用df.mean(dim='longitude')
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.