我目前正在處理每日氣候數據 (ERA5)，并正在使用 xarray 對其進行分析。da<xarray.DataArray (time: 8036)>dask.array<stack, shape=(8036,), dtype=float32, chunksize=(1,), chunktype=numpy.ndarray>Coordinates: * time (time) datetime64[ns] 1979-01-01 1979-01-02 ... 2000-12-31我想從時間序列的當地月平均值計算這些數據的每日異常值。也就是說，我想從 1979 年 1 月的所有日子中去掉（例如） 1979 年 1 月的平均值。我想在我的數組中每年的每個月都這樣做。我認為目前沒有一種簡單的方法可以用 xarray 做到這一點，但我很感激人們能找到任何解決方法！:)
2 回答
慕萊塢森
TA貢獻1810條經驗 獲得超4個贊
一個稍微漂亮的方法，它可以讓您了解如何將事物擴展到其他類型的異常是：
da = da.assign_coords(year_month=da.time.dt.strftime("%Y-%m"))
result = da.groupby("year_month") - da.groupby("year_month").mean("time")
ITMISS
TA貢獻1871條經驗 獲得超8個贊
好的，如果有人感興趣，我想我已經找到了答案，不過我會暫時擱置這個問題，因為在我看來，這是一個非常丑陋的解決方案，如果有比我能拼湊出來的更好的解決方案，那就太好了一起！
da_cp = da.copy().load()
for year in ['1979', '1980', '1981', ..., '1998', '1999', '2000']:
for month in ['1', '2', '3', '4', '5', '6', '7', '8', '9', '10', '11', '12']:
da_cp.loc[f'{year}-{month}'] -= da_cp.loc[f'{year}-{month}'].mean('time')
我已經對此進行了數字測試，它給出了正確的答案，但目前它不是很靈活，我希望這也能擴展到“局部季節性異?！薄?/p>
添加回答
舉報
0/150
提交
取消