從每年的每日數據計算每月平均值

Question

我已經看到許多如何從多年的每日數據計算月平均值的答案。

但是我想要做的是分別從我的 xarray 中每年的每日數據計算每月平均值。 所以，我想最終得到 2020 年 1 月、2020 年 2 月 ... 2024 年 12 月的每個經緯度網格點的平均值。

我的 xarray 有尺寸 Frozen({'time': 1827, 'lon': 180, 'lat': 90}) 我嘗試使用var_resampled = var_diff.resample(time='1M').mean()但這計算所有年份的平均值（即 2020-2024 年 1 月的平均值）。

我也試過

    def mon_mean(x):
        return x.groupby('time.month').mean('time')

    # group by year, then apply the function:
    var_diff_mon = var_diff.groupby('time.year').apply(mon_mean)

這似乎做我想做的，但我最終得到了不同的維度（即“月”和“年”而不是原始的“時間”維度）。

是否有不同的方法可以分別從每年的每日數據計算每月平均值，或者是否有一種方法可以使上面使用 groupby 的代碼保留與以前相同的時間維度，現在只使用年和月？

PS我也嘗試過“cdo monmean”，但據我所知，這也只是給出了所有年份的月均值。

謝謝！

解決方案我找到了一種使用方法

    def mon_mean(x):
        return x.groupby('time.month').mean('time')

    # group by year, then apply the function:
    var_diff_mon = var_diff.groupby('time.year').apply(mon_mean)

然后使用

var_diff_mon.stack(time=("year", "month"))

找回我原來的時間維度

Answer 1

var_diff.resample(time='M') （或time='MS' ）是否符合您的預期？

讓我們創建一個像你這樣的玩具數據集：

import numpy as np
import pandas as pd
import xarray as xr

dims = ('time', 'lat', 'lon')
time = pd.date_range("2021-01-01T00", "2023-12-31T23", freq="H")
lat = [0, 1]
lon = [0, 1]
coords = (time, lat, lon)

ds = xr.DataArray(data=np.random.randn(len(time), len(lat), len(lon)), coords=coords, dims=dims).rename("my_var")
ds = ds.to_dataset()
ds

讓我們重新采樣：

ds.resample(time="MS").mean()

該數據集現在有 36 個時間步長，與原始數據集中的 36 個月相關聯。