使用 scipy.stats 拟合 xarray DataArray

Question

我想计算在 xarray.DataArray 的时间维度上拟合的统计分布的参数。

我想创建一个执行以下操作的函数：

from scipy import stats
import xarray as xr

def fit(arr):
    return xr.apply_ufunc(stats.norm.fit, arr, ...)

返回一个新的 DataArray，存储在时间维度上计算的分布的两个参数。因此，如果输入具有维度（时间、纬度、经度），则 fit 将返回具有维度（参数、纬度、经度）的 DataArray。下一步是使用这些参数来计算各种百分位数（例如 stats.norm.ppf）。

经过多次不成功的试验，我怀疑 apply_ufunc 是否支持这个用例，我应该更愿意使用来进行计算

params = np.apply_along_axis(stats.norm.fit, arr.get_axis_num('time'), arr.data)

然后手动创建 DataArray，复制维度和属性。

想法？有什么建议吗？

---

这是我最终做的，感觉有点像黑客：

# Fit the parameters (lazy computation)
data = dask.array.apply_along_axis(dc.fit, arr.get_axis_num('time'), arr)

# Create a DataArray with the desired dimensions to copy them over to the parameter array.
mean = arr.mean(dim='time', keep_attrs=True)
coords = dict(mean.coords.items())
coords['dparams'] = ([] if dc.shapes is None else dc.shapes.split(',')) + ['loc', 'scale']
out = xr.DataArray(data=data, coords=coords, dims=(u'dparams',) + mean.dims)
out.attrs = arr.attrs

Answer 1

Dask 数组包含apply_along_axis 的类似物，可能是最明显的起点。请注意，设置了块的 xarray 的每个变量都会自动将 dask 数组封装在 .data 属性中。您甚至可以直接传递 xarray 变量。