使用 xarray 获取 netcdf 文件的平均值答案

【问题标题】：get mean of netcdf file using xarray使用 xarray 获取 netcdf 文件的平均值
【发布时间】：2020-06-19 14:59:37
【问题描述】：

我用xarray在python中打开了一个netcdf文件，数据集摘要是这样的。

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 z 沿纬度和经度维度的平均值。

我已尝试使用此代码：

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

我在这里做错了吗？请帮我解决这个问题。

【问题讨论】：

标签： python netcdf geopandas python-xarray

【解决方案1】：

警告！！！如果您沿纬度应用，接受的答案会给您错误的结果（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，它们的大小和当您在规则的经纬网格中向两极移动时会变小。

Xarray 解决方案：

因此，要制作加权意味着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"))

See this discussion in the xarray documentation for further details and an example comparison.

误差的大小取决于您平均的区域，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，它越差。 . 对于全局温度场，这是 xarray 文档中的示例错误，超过 5 摄氏度！未加权的答案更冷，因为即使那里的网格单元要小得多，极点的计数也是一样的。

替代 CDO 解决方案

顺便说一句，你也可以像这样使用 cdo 从命令行执行此操作

cdo fldmean in.nc out.nc

cdo 占网格，因此您无需担心权重问题。

【讨论】：

赞成。当然，CDO 方法的一大优势是更简单，并且适用于任何符合 CF 标准的网格

【解决方案2】：

您需要按维度指定 (dim) 而不是 axis。

使用df.mean(dim='longitude')

【讨论】：

[stackoverflow.com/users/8643941/bwc][1] 如果我想要跨越时间的平均值。就像我想要所有给定纬度和经度上所有给定时间的温度平均值。所以我应该选择昏暗的时间吗？我想要具有（纬度，经度）维度的最终数组
请注意，尽管应用于纬度时，这会给出不正确的答案，见下文。