根据每年的每日数据计算月平均值

Question

我已经看到很多关于如何根据多年的每日数据计算每月平均值的答案。

但我想要做的是分别从我的 xarray 中每年的每日数据计算每月平均值。因此，我想为每个 lon/lat 网格点得出 2020 年 1 月、2020 年 2 月 ... 2024 年 12 月的平均值。

我的 xarray 的尺寸为 Frozen({'time': 1827, 'lon': 180, 'lat': 90}) 我尝试使用 var_resampled = var_diff.resample(time='1M').mean() 但这会计算所有年份的平均值（即 2020 年至 2024 年 1 月的平均值）。

我也试过

    def mon_mean(x):
        return x.groupby('time.month').mean('time')

    # group by year, then apply the function:
    var_diff_mon = var_diff.groupby('time.year').apply(mon_mean)

这似乎符合我的要求，但我最终得到了不同的维度（即“月”和“年”而不是原来的“时间”维度）。

有没有一种不同的方法可以分别从每年的每日数据中计算月平均值，或者有没有一种方法可以让上面使用 groupby 的代码现在保留与以前相同的时间维度？

附：我也尝试过“cdo monmean”，但据我了解，这也只是给出了所有年份的月平均值。

谢谢！

解决方案 我找到了一种使用方法

    def mon_mean(x):
        return x.groupby('time.month').mean('time')

    # group by year, then apply the function:
    var_diff_mon = var_diff.groupby('time.year').apply(mon_mean)

然后使用

var_diff_mon.stack(time=("year", "month"))

恢复我原来的时间维度

Answer 1

var_diff.resample(time='M')（或time='MS'）是否符合您的预期？

让我们创建一个像你一样的玩具数据集：

import numpy as np
import pandas as pd
import xarray as xr

dims = ('time', 'lat', 'lon')
time = pd.date_range("2021-01-01T00", "2023-12-31T23", freq="H")
lat = [0, 1]
lon = [0, 1]
coords = (time, lat, lon)

ds = xr.DataArray(data=np.random.randn(len(time), len(lat), len(lon)), coords=coords, dims=dims).rename("my_var")
ds = ds.to_dataset()
ds

让我们重新采样：

ds.resample(time="MS").mean()

数据集现在有 36 个时间步长，与原始数据集中的 36 个月相关联。