时间序列图：xarray 中多年的 Groupby 季节（或特定月份）答案

【问题标题】：Time Series Chart: Groupby seasons (or specfic months) for multiple years in xarray时间序列图：xarray 中多年的 Groupby 季节（或特定月份）
【发布时间】：2021-10-09 08:08:43
【问题描述】：

感谢您对我的问题感兴趣。

我希望在 1981 年至 1999 年 1 月至 8 月之间专门绘制温度时间序列图。

以下是我的代码和尝试：

temperature = xr.open_dataarray('temperature.nc')

temp = temperature.sel(latitude=slice(34.5,30), longitude=slice(73,78.5))

templatlonmean = temp.mean(dim=['latitude','longitude'])-273.15

tempgraph1 = templatlonmean.sel(time=slice('1981','1999'))

以上命令正常读取，没有任何错误。

以下是我将月份划分为季节的尝试：

第一次尝试

tempseason1 = tempgraph1.groupby("time.season").mean("time")

#Plotting Graph Command
myfig, myax = plt.subplots(figsize=(14,8))

timeyears = np.unique(tempgraph1["time.season"])
tempseason1.plot.line('b-', color='red', linestyle='--',linewidth=4, label='1981-1999 Mean')

我收到了这个错误： "绘图要求坐标是数字、布尔值或 numpy.datetime64、datetime.datetime、cftime.datetime 或 pandas.Interval 类型的日期。改为接收对象类型的数据。"

这是我的第二次尝试（取自这篇文章Select xarray/pandas index based on specific months）但是，我不确定如何用它绘制图表，所以我尝试了以下方法：

def is_amj(month):
    return (month >= 4) & (month <= 6)

temp_seasonal = tempgraph1.sel(time=is_amj(tempgraph1['time.month']))

#Plotting Graph Command
timeyears = np.unique(tempgraph1["time.season"])
temp_seasonal.plot.line('b-', color='red', linestyle='--',linewidth=4, label='1981-1999 Mean')

它没有引起错误，但图表并不理想

所以我继续我的第三次尝试（从这里http://xarray.pydata.org/en/stable/examples/monthly-means.html）：

month_length = tempmean.time.dt.days_in_month

weights = month_length.groupby('time.season') / month_length.groupby('time.season').sum()


np.testing.assert_allclose(weights.groupby('time.season').sum().values, np.ones(4))


ds_weighted = (tempmean * weights).groupby('time.season').sum(dim='time')


ds_unweighted = tempmean.groupby('time.season').mean('time')


#Plot Commands
timeyears = np.unique(tempgraph1["time.season"])
ds_unweighted.plot.line('b-', color='red', linestyle='--',linewidth=4, label='1981-1999 Mean')

我仍然得到与第一次尝试相同的错误： “绘图要求坐标是数字、布尔值或 numpy.datetime64、datetime.datetime、cftime.datetime 或 pandas.Interval 类型的日期。改为接收对象类型的数据。”

因为我这个命令是用来绘制天气图而不是时间序列图，但是我相信 groupby 过程会相似或相同，这就是我使用它的原因。

但是，由于我在编码方面相对较新，请原谅任何语法错误，并且我无法发现任何明显的方法来解决这个问题。

因此，我想知道您是否可以建议任何其他方法来绘制 xarray 的特定月度数据，或者我是否需要对我尝试过的命令进行任何调整。

非常感谢您的慷慨帮助。如果您需要更多信息，请告诉我，我会尽快回复。谢谢！

【问题讨论】：

您必须对坐标进行类型转换。我的建议是您应该以 numpy 数组的形式接收坐标并使用 astype 函数。然后再次覆盖坐标。

标签： python numpy time-series netcdf python-xarray

【解决方案1】：

关于你的问题 1. 和 3.，object 是分组的季节。
您可以通过以下方式将其可视化：

tempseason1 = tempgraph1.groupby("time.season").mean("time")
print(tempseason1.coords)

您应该会看到如下内容：

Coordinates:
  * lon      (lon) float32 ...
  * lat      (lat) float32 ...
  * season   (season) object 'DJF' 'JJA' 'MAM' 'SON'

注意季节维度的类型object。

我认为你应该在这里使用resample 而不是groupby。重采样基本上是对时间序列进行上采样或下采样的 groupby。它看起来像：

tempseason1 = tempgraph1.resample(time="Q").mean("time")

参数“Q”是pandas 的季度频率偏移量，参见details。

不过，我对绘图知之甚少。

【讨论】：