Python气象数据处理进阶之Xarray(6)：数据重组与换形

这一部分涉及到了常用的操作，比如调换维度的位置，给数据重新reshape换形等等，建议大家可以认真阅读这部分。
老样子，先新建一个数组

ds = xr.Dataset({'wind': (('time', 'lat', 'lon'), [[[42]]]), 'temperature': (('lat', 'lon'), [[24]])})
print(ds)
#<xarray.Dataset>
#Dimensions:      (lat: 1, lon: 1, time: 1)
#Dimensions without coordinates: lat, lon, time
#Data variables:
#    wind         (time, lat, lon) int64 42
#    temperature  (lat, lon) int64 24

ex1调换维度顺序

比如说在求某个东西时需要将时间维放在最后一维，但是数据本身的时间在第一维，那么便可以用到这个操作。
第一种是精准换位，指定每个维度的位置

print(ds.transpose('lat', 'lon', 'time'))
#<xarray.Dataset>
#Dimensions:      (lat: 1, lon: 1, time: 1)
#Dimensions without coordinates: lat, lon, time
#Data variables:
#    wind         (lat, lon, time) int64 42
#    temperature  (lat, lon) int64 24

第二种是单独换位，只对指定维度换位,将time放在最后，其余不变

print(ds.transpose(..., 'time'))

第三种为全部换位，相当于数组转置

print(ds.transpose())

ex2数组扩展与压缩

扩展指增加一个维度，压缩指将一个维度挤压掉

expanded  = ds.expand_dims('level')
print(expanded)
#<xarray.Dataset>
#Dimensions:      (lat: 1, level: 1, lon: 1, time: 1)
#Dimensions without coordinates: lat, level, lon, time
#Data variables:
#    wind         (level, time, lat, lon) int64 42
#    temperature  (level, lat, lon) int64 24

print(expanded.squeeze('level'))
#<xarray.Dataset>
#Dimensions:      (lat: 1, lon: 1, time: 1)
#Dimensions without coordinates: lat, lon, time
#Data variables:
#    wind         (time, lat, lon) int64 42
#    temperature  (lat, lon) int64 24

官方文档中接下来有一段是关于DataArray向DataSet转换的，个人感觉放在这一章节并不合理，我后边会整理放进Python气象数据处理进阶之Xarray(1)中(我觉得两种基础数据结构以及互相转换应该最开始介绍的)。所以接下来跳过这部分。

ex3堆叠与拆分

个人感觉可能处理站点数据会用到这个方法
换一个数组演示

dr = xr.DataArray(np.random.randn(2, 3),coords=[('country', ['a', 'b']), ('lat', [10, 20, 30])])
print(dr)
#<xarray.DataArray (country: 2, lat: 3)>
#array([[ 0.29837508,  0.27556996,  0.51204495],
#       [-0.15700884,  0.72290308, -1.63887609]])
#Coordinates:
#  * country  (country) <U1 'a' 'b'
#  * lat      (lat) int64 10 20 30

现在将这个2维数组堆叠成1维

print(dr.stack(z=('country', 'lat')))
#<xarray.DataArray (z: 6)>
#array([ 0.29837508,  0.27556996,  0.51204495, -0.15700884,  0.72290308,
#       -1.63887609])
#Coordinates:
#  * z        (z) MultiIndex
#  - country  (z) object 'a' 'a' 'a' 'b' 'b' 'b'
#  - lat      (z) int64 10 20 30 10 20 30

也可以拆分，其实就是反堆叠

stacked = dr.stack(z=('country', 'lat'))
print(stacked.unstack('z'))
#<xarray.DataArray (country: 2, lat: 3)>
#array([[ 0.29837508,  0.27556996,  0.51204495],
#       [-0.15700884,  0.72290308, -1.63887609]])
#Coordinates:
#  * country  (country) object 'a' 'b'
#  * lat      (lat) int64 10 20 30

最重要的是不同于Pandas，Xarray的stack不缺自动丢失缺测值！！！
Xarray还提供了将不同变量stack的例子，有兴趣的可以去看看。这个用法感觉比较鸡肋

ex4 设置与重设索引

da = xr.DataArray(np.random.rand(4),
                  coords={'band': ('x', ['a', 'a', 'b', 'b']), 'wavenumber': ('x', np.linspace(200, 300, 4))},dims='x')
print(da)
#<xarray.DataArray (x: 4)>
#array([0.37036232, 0.34338772, 0.49457694, 0.50916783])
#Coordinates:
#    band        (x) <U1 'a' 'a' 'b' 'b'
#    wavenumber  (x) float64 200.0 233.3 266.7 300.0
#Dimensions without coordinates: x
mda = da.set_index(x=['band', 'wavenumber'])
print(mda)
#<xarray.DataArray (x: 4)>
#array([0.15970166, 0.89733114, 0.25545876, 0.27371103])
#Coordinates:
#  * x           (x) MultiIndex
#  - band        (x) object 'a' 'a' 'b' 'b'
#  - wavenumber  (x) float64 200.0 233.3 266.7 300.0

这块比较难理解，建议还是先读第一篇文章，弄清数据结构，da数组显示Dimensions without coordinates: x，而通过da.set_index函数，将X设置为混合索引号。
之后便可以实线自由索引：

print(mda.sel(band='a'))
#<xarray.DataArray (wavenumber: 2)>
#array([0.15970166, 0.89733114])
#Coordinates:
#  * wavenumber  (wavenumber) float64 200.0 233.3

通过mda.reset_index('x')重置。
reorder_levels()函数允许调换索引顺序（个人感觉比较鸡肋）

mda.reorder_levels(x=['wavenumber', 'band'])

ex5数组滑动

这小节应该是这篇文章和数组换形换维同等重要的。

array = xr.DataArray([1, 2, 3, 4], dims='x')
print(array)
#<xarray.DataArray (x: 4)>
#array([1, 2, 3, 4])
#Dimensions without coordinates: x
print(array.shift(x=2))
#<xarray.DataArray (x: 4)>
#array([nan, nan,  1.,  2.])
#Dimensions without coordinates: x
print(array.roll(x=2, roll_coords=True))
#<xarray.DataArray (x: 4)>
#array([3, 4, 1, 2])
#Dimensions without coordinates: x

这就是对数组进行滚动。这个的作用主要在于做差分计算。虽然前边讲过Xarray提供了中央差计算函数，但是仍需要更灵活的操作，滚动函数就实现了这个目的。