索引数据
xarray使用小结
Python实现的简单线性回归算法实例分析
aa=GLEAM_NC.sel(lat=j,lon=z).fillna(-9999)
问题内容： Xarray是否支持numpy计算功能（例如polyfit）？还是有一种有效的方法将这些函数应用于数据集？ 示例：我想计算拟合两个变量（温度和高度）的直线的斜率，以计算失效率。我有一个数据集（下面），具有这两个变量，维度为（垂直，时间，xgrid_0，ygrid_0）。 如果我提取给定时间的温度和高度，则xgrid_0，ygrid_0; 我可以使用numpy.polyfit函数。 但这
我有一个363个netcdf文件的目录，对应不同的时间（所有文件都有类似的内部结构，“时间”维度为1），每个270MB，总共大约100GB。我想在一个xarray中上传所有这些数据（使用dask数组和块）。似乎open_mfdataset是合适的解决方案，但我似乎没有正确地使用它，因为它非常慢。 执行此操作所需的时间为：。为什么这么慢？ 请注意，如果我没有将和放在一起，它不会显著改变时间，因此我有
我已经从多个源hdf5文件构建了一个巨大的dask阵列。 假设数据仅来自一个hdf5文件： 然后，我将dask数组中的（惰性）片段排列到一个xarray数据集中 现在我想序列化xr_data对象，所以我不需要每次都计算它。 xArray DataArray中的数据通过dask懒惰地映射到hdf5文件。我怎么连载（咸菜？Netcdf？...）能够在“懒惰映射”持续存在的情况下重新加载x数组对象？ 谢
使用xarray的open_mfdataset打开一系列大约90个netCDF文件，每个文件大约27MB，加载一个小的时空选择需要很长时间。 分块维度产生边际收益。decode_cf=True在函数内部或单独都没有区别。这里还有一个建议https://groups.google.com/forum/#!topic/xarray/11lDGSeza78让我将所选内容另存为一个单独的netCdf并重新
学习如何使用xarray从DFs生成netCDF文件。在几个教程和SO问题之后，我向xarray数据集添加了“常量”维度，并向xarray数据集添加了“常量”维度，但仍然存在一些问题，因为我无法将日期、时间、纬度和经度作为维度。当我进行nc转储时，它们是不正确的。 最初的方法是将txt文件导入熊猫df，然后将xr导入netCDF： 其中df2= 这工作正常，但尺寸不正确（见下文）： 如果我将日期或
我正在尝试创建符合cf的netcdf文件。我可以让它与xarray兼容98%的cf，但我遇到了一个问题。当我对正在创建的文件执行ncdump时，我会看到以下内容： 我的数据集的坐标是lat、lon和time。当我通过ds.to_netcdf（）转换为netcdf时，所有坐标变量都会自动应用填充值，因为它们是浮点数。应用填充值的坐标变量违反cf标准(http://cfconventions.org/
我有一个需要一个数据帧作为输入的计算。我想对存储在扩展到51GB的netCDF文件中的数据运行此计算-目前，我一直在使用打开文件，并使用块（我的理解是，此打开的文件实际上是一个dask数组，因此一次只能将数据块加载到内存中）。但是，我似乎无法利用这种延迟加载，因为我必须将xarray数据转换为pandas数据帧才能运行我的计算——我的理解是，在这一点上，所有数据都加载到内存中（这是不好的）。 所以
使用xarray open_数据集或open_mfdataset加载NARR netcdf数据集时（例如。ftp://ftp.cdc.noaa.gov/Datasets/NARR/monolevel/air.2m.2010.nc)，xarray返回关于“冲突的_FillValue和缺少的_值”的错误。 进入： xarray.open_datasetair.2m.2010.nc 产生以下错误： 发现
