将 Pandas DataFrame 网格化为多维 Xarray 数据集？

【问题标题】：Gridding Pandas DataFrame to Multi-Dimensional Xarray Dataset?将 Pandas DataFrame 网格化为多维 Xarray 数据集？
【发布时间】：2021-10-26 22:17:37
【问题描述】：

有没有办法在不使用循环的情况下将“行格式”数据集网格化为 xarray 数据集？

具体来说，如果没有指定值，我想要一个数组，其中 (lat, lon, time) 网格中的所有值都为 0。我知道 pandas 中的 .to_xarray() 方法（https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_xarray.html），但这不会产生所需坐标（纬度、经度、时间）的完整覆盖。下面的玩具示例：

import pandas as pd
import xarray as xr 

# row data to be gridded
data = {'lats':[0,0,2], 'lons':[1,2,0], 'times':[0,1,2], 'values':[20,50,30]}
df_rows = pd.DataFrame(data)

# desired coordinates to grid onto:
lat = [0,1,2]
lon = [0,1,2]
time= [0,1,2]

# general form of the desired output Dataset
df_grid = xr.Dataset(data_vars={'data':(('lon','lat','time'), df_rows)},
                     coords={'lat': lat,
                             'lon': lon,
                             'time':time})

【问题讨论】：

标签： python dataframe python-xarray

【解决方案1】：

xr.Dataset.from_dataframe 的方法可以做到：

import pandas as pd
import xarray as xr

# row data to be gridded
data = {"lat": [0, 0, 2], "lon": [1, 2, 0], "time": [0, 1, 2], "values": [20, 50, 30]}
df_rows = pd.DataFrame(data).set_index(["time", "lon", "lat"])

ds = xr.Dataset.from_dataframe(df_rows)

ds 是一个xarray.Dataset，具有三个维度/坐标和一个变量values，它是一个3x3x2 的数据块。

将time、lon 和lat 设置为df_rows 中的索引是必不可少的，因为这些列将被理解为坐标。

请注意，对于未指定 values 的坐标元组，此方法将使用 nan 填充变量 values。

【讨论】：