将 3D xarray 数据集转换为数据框

Question

我已经导入了一个这样的 xarray 数据集，并从 csv 文件中提取了由区域定义的坐标处的值，以及由日期范围定义的时间段（（经纬度）网格的 30 天，其中包含一些环境值每个坐标）。

from xgrads import open_CtlDataset
ds_Snow = open_CtlDataset(path + 'file')
ds_Snow = ds_Snow.sel(lat = list(set(zones['lat'])), lon = list(set(zones['lon'])), 
time = period, method = 'nearest')

当我查找 ds_Snow 的信息时，这是我得到的：

Dimensions:  (lat: 12, lon: 12, time: 30)
Coordinates:
  * time     (time) datetime64[ns] 2000-09-01 2000-09-02 ... 2000-09-30
  * lat      (lat) float32 3.414e+06 3.414e+06 3.414e+06 ... 3.414e+06 3.414e+06
  * lon      (lon) float32 6.873e+05 6.873e+05 6.873e+05 ... 6.873e+05 6.873e+05
Data variables:
    spre     (time, lat, lon) float32 dask.array<chunksize=(1, 12, 12), meta=np.ndarray>
Attributes:
    title:    SnowModel
    undef:    -9999.0 type : <class 'xarray.core.dataset.Dataset'>

我想让它成为一个数据框，尊重初始维度（时间、纬度、经度）。 所以我这样做了：

df_Snow = ds_Snow.to_dataframe()

但这里是数据框的尺寸：

print(df_Snow)
lat       lon        time            
3414108.0 687311.625 2000-09-01   0.0
                     2000-09-02   0.0
                     2000-09-03   0.0
                     2000-09-04   0.0
                     2000-09-05   0.0
...                               ...
                     2000-09-26   0.0
                     2000-09-27   0.0
                     2000-09-28   0.0
                     2000-09-29   0.0
                     2000-09-30   0.0

[4320 rows x 1 columns]

看起来所有数据都放在了一个列中。 正如一些文档所解释的那样，我已经尝试给出尺寸订单：

df_Snow = ds_Snow.to_dataframe(dim_order = ['time', 'lat', 'lon'])

但它并没有改变任何东西，我似乎无法在论坛或文档中找到答案。我想知道一种将数组配置保留在数据框中的方法。

编辑：我找到了解决方案

我没有转换 xarray，而是选择使用每个属性的 pd.Series 来构建我的数据框，如下所示：

ds_Snow = ds_Snow.sel(lat = list(set(station_list['lat_utm'])),lon = list(set(station_list['lon_utm'])), time = Ind_Run_ERA5_Land, method = 'nearest')
time = pd.Series(ds_spre.coords["time"].values)
lon = pd.Series(ds_spre.coords["lon"].values)
lat = pd.Series(ds_spre.coords["lat"].values)
spre = pd.Series(ds_spre['spre'].values[:,0,0])
frame = { 'spre': spre, 'time': time, 'lon' : lon,  'lat' : lat}
df_Snow = pd.DataFrame(frame)

Answer 1

这是预期的行为。来自the docs：

DataFrame 由索引坐标的笛卡尔积索引（以pandas.MultiIndex 的形式）。其他坐标作为列包含在 DataFrame 中。

数据集中只有一个变量spre。其他属性，“坐标”已成为索引。由于有多个坐标（lat、lon 和 time），DataFrame 有一个层次结构的MultiIndex。

您可以通过get_level_values 等工具获取索引数据，或者，如果您想更改DataFrame 的索引方式，可以使用reset_index()。