从每日数据中查找每日和每月平均值

Question

我对 python 很陌生，所以请与我裸露。

到目前为止，我有一个循环可以识别日期范围内的 netcdf 文件。 我现在需要计算每日平均值，然后计算每个月的月平均值，并将其添加到我的 dataframe 中，这样我就可以 plot 一个时间序列。

到目前为止，这是我的代码

# !/usr/bin/python
# MODIS LONDON TIMESERIES 

print ('Initiating AQUA MODIS Time Series')

import pandas as pd              
import xarray as xr
from glob import glob
import netCDF4 
import numpy as np
import matplotlib.pyplot as plt
import os

print ('All packages imported')

#list of files 
days = pd.date_range (start='4/7/2002', end='31/12/2002')

#create dataframe
df = final_data = pd.DataFrame(index = days, columns = ['day', 'night'])

print ('Data frame created')

#for loop iterating through %daterange stated in 'days' to find path using string 

for day in days:
    path = "%i/%02d/%02d/ESACCI-LST-L3C-LST-MODISA-LONDON_0.01deg_1DAILY_DAY-%i%02d%02d000000-fv2.00.nc" % (day.year, day.month, day.day, day.year, day.month, day.day)
    print(path)

Answer 1

欢迎来到 SO，正如建议的那样。 请尝试制作一个最小的可重现示例。

如果您能够创建 Xarray 数据集，这里是如何获取每月平均值

import xarray as xr

# tutorial dataset with air temperature every 6 hours
ds = xr.tutorial.open_dataset('air_temperature')

# reasamples along time dimension
ds_monthly = ds.resample(time='1MS').mean()

resample()用于放大和缩小时间分辨率。 如果您熟悉 Pandas，它的有效工作方式相同。

resample(time='1MS')意思是沿time分组， 1MS是频率。 1MS表示按 1 个月采样（这是1M部分），新的时间向量从月初开始（这是S部分）。 这个很强大，可以提供不同的频率，见Pandas偏移文档

.mean()在我们想要的频率上取数据的平均值。 在这种情况下，每个月。

您可以将mean()替换为min() 、 max() 、 median() 、 std() 、 var() 、 sum() ，也许还有其他一些。

Xarray 有很棒的文档， resample()文档在这里