使用 xarray 获取 netcdf 文件的平均值

Question

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。

Answer 1

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。

Answer 2

您需要按维度 ( dim ) 而不是axis 。

使用df.mean(dim='longitude')