我尝试只选择特定时间范围内的这部分数据,每个像素都不同。
对于索引,我有两个 np.datetime64[ns] xr.DataArrays,其形状(lat:152,lon:131)名为 time_range_min,time_range_max 一个保存开始日期,另一个保存结束日期。
我尝试用这个来选择数据
dataset = data.sel(time=slice(time_range_min, time_range_max))
但是它产生了
不能在切片中使用非标量数组进行 xarray 索引:
如果我不能使用非标量数组,则意味着通常不可能做到这一点,或者我可以转换我的数组吗?
如果“时间”是
str
ing 中从过去到现在排序的日期列表(例如 ["10-20-2021", "10-21-2021", ...]:
import numpy as np
listOfMinMaxTimeRanges = [time_range_min, time_range_max]
specifiedRangeOfTimeIndexedList = []
for indexingListOfMinMaxTimeRanges in range(len(listOfMinMaxTimeRanges)):
specifiedRangeOfTimeIndexed = [specifiedRangeOfTime for specifiedRangeOfTime in np.arange(0, len(time), 1) if time.index(listOfMinMaxTimeRanges[0][indexingListOfMinMaxTimeRanges]) <= specifiedRangeOfTime <= time.index(listOfMinMaxTimeRanges[1][indexingListOfMinMaxTimeRanges])]
for indexes in specifiedRangeOfTimeIndexed:
specifiedRangeOfTimeIndexedList.append(indexes)
取决于您的数据集的结构:
dataset = data.sel(time = specifiedRangeOfTimeIndexedList)
或
dataset = data.sel(time = time[specifiedRangeOfTimeIndexedList])
或
dataset = dataset[time[specifiedRangeOfTimeIndexedList]]
或
dataset = dataset[:, time[specifiedRangeOfTimeIndexedList]]
或
dataset = dataset[time[specifiedRangeOfTimeIndexedList], :, :]
或
dataset = dataset[specifiedRangeOfTimeIndexedList]
...
我找到了一种在 xarray 中使用 stacking 对每个单元格进行分组的方法: time_range_min 和 time_range_max 现在标记为单个日期
stack = dataset.value.stack(gridcell=['lat', 'lon'])
for unique_value, grouped_array in stack.groupby('gridcell'):
grouped_array.sel(time=slice(time_range_min,time_range_max))