从多个numpy数组创建xarray - 时间序列

Question 1

我想用一系列的numpy数组创建一个Xarray DataArray，其坐标如下：年度时间序列数据（比方说在一个均匀的1500X1500矩阵上的温度）。

('时间', '长度', '纬度')

time (time) datetime64[ns] 2000-12-31 2001-12-31 ... 2020-12-31

lon (lon) float64 -19.98 -19.93 -19.88 -19.82 ... 54.88 54.93 54.98

lat (lat) float64 39.97 39.92 39.87 39.82 ... -34.88 -34.93 -34.98

我使用的原始（'原始'）时间序列数据被存储为单独的文件，文件名表示时间序列中的每一年（也就是说，数据文件本身没有提供时间信息，只是在名称中，temp2000.xxx，temp2001.xxx，等等）。我将这些单独的数据文件导入单独的numpy数组中，这些数组有一个空间维度（对应上面的纬度/纬度），但除了我指定的变量名称外没有时间维度。

我想知道如何将所有这些numpy数组合并成一个多维xarray DataArray，其中包括numpy数组的lat/lon和由时间变量（取自文件名）定义的时间。

这可能是很直接的，但我想不明白。

temp2000 = np.random.rand(1500, 1500)
xll = -20.0
xur = 55.0
yll = -35.0
yur = 40.0
cellsize = 0.1
lon_tup = np.arange(xll, xur, cellsize) + (cellsize / 2)
lat_tup = np.arange(yll, yur, cellsize)
lat_tup = lat_tup[::-1] + (cellsize / 2)
time2 = pd.date_range("2000-01-01", freq="Y", periods=21)
ds = xr.DataArray(
            coords=[time2, lat_tup, lon_tup], dims=["time", "lat", "lon"])
ds["Temperature_2000"] = (["time", "lat", "lon"], temp2000)
DataArray创建得很好，但显然numpy数组不能被添加，因为它缺乏 "时间 "维度。我可以通过一个单独的步骤强制添加时间维度吗？例子只是一个时间步骤（2000年），为了说明问题，用假的数据。

Question 2


          
           你只能用反映数据实际形状的维数来初始化DataArray。因此，你可以重塑你的numpy数组，使其包含一个额外的维度（例如，用
           
            
             reshape
            
           
           or
           
            
             np.expand_dims
            
           
           )，或者将DataArray创建为
           
            (lat, lon)
           
           ，然后再添加额外的维度（例如用
           
            
             da.expand_dims
            
           
           )，如本例中。
          
          da = xr.DataArray(
    temp2000,
    coords=[lon_tup, lat_tup],
    dims=["lon", "lat"],
# expand the array to include a length-1 time dimension
# corresponding to the file's time indicator
da = da.expand_dims(time=pd.Index([2000], name="time"))
另外，你也可以在准备串联数据之前排除时间上的模糊。
arrays = []
time = pd.date_range("2000-01-01", freq="Y", periods=21)
years = time.year
for y in years:
    # read in your data as (lat, lon)
    arrays.append(da)
# concat using a full TimeIndex to give the values of time as well as the name
result = xr.concat(arrays, dim=time)
还要注意xarray Datasets（通常缩写为ds）和DataArrays（通常缩写为da）之间的区别，前者基本上是DataArrays的字典，后者是xarray的基本数组单元。数据集对于与存储的交互和组织你的工作流程是很有用的，对于在多个数组上应用相同的操作也是很有帮助的，但是在大多数情况下，当你做数学运算时，你想用数组来工作。请看xarray的文档数据结构 for more info.

Question 3


          
           
            
             感谢Michael Delgado的指导。以下是我的解决方案。
            
            xll = -20.0
xur = 55.0
yll = -35.0
yur = 40.0
cellsize = 0.1
lon_tup = np.arange(xll, xur, cellsize) + (cellsize / 2)
lat_tup = np.arange(yll, yur, cellsize)
lat_tup = lat_tup[::-1] + (cellsize / 2)
StartYear = 2000
EndYear = 2020
for x in range(StartYear, EndYear):
    # filein would be the data read in from the external file
    filein = np.random.rand(1500, 1500)
    temp = np.resize(filein, (1,1500,1500))
    temp[:, 0, 0] = x
    if x == StartYear:
        array_wbm = temp
    else:
        array_wbm = np.concatenate(([array_wbm, temp]), axis=0)
time = pd.date_range("2000-01-01", freq="Y", periods=21)
years = time.year