在xray中删除重复的时间

Question

我正在使用open\mfdataset读取NetCDF文件，其中包含重复的时间。对于每一次重复，我只想保留第一次，而放弃第二次（它将永远不会出现得更频繁）。这个问题与这个熊猫问题非常相似，但这里提供的解决方案似乎都不适用于Xarray。

要重现问题，请执行以下操作：

import numpy as np
import netCDF4 as nc4
import xarray as xr

# Create example NetCDF files
for t in range(2):
    nc    = nc4.Dataset('test{}.nc'.format(t), 'w')
    dim_t = nc.createDimension('time', None)
    var_t = nc.createVariable('time', 'f8', ('time',))
    var_s = nc.createVariable('var', 'f8', ('time',))
    var_t.setncattr('units', 'hours since 2001-01-01 00:00:00')
    var_t[:] = t*5+np.arange(6)
    var_s[:] = t*5+np.arange(6)+t
    nc.close()

# Read with xarray
f = xr.open_mfdataset(['test0.nc', 'test1.nc'])

生成的数据集中的时间为：

array(['2001-01-01T00:00:00.000000000', '2001-01-01T01:00:00.000000000',
       '2001-01-01T02:00:00.000000000', '2001-01-01T03:00:00.000000000',
       '2001-01-01T04:00:00.000000000', '2001-01-01T05:00:00.000000000',
       '2001-01-01T05:00:00.000000000', '2001-01-01T06:00:00.000000000',
       '2001-01-01T07:00:00.000000000', '2001-01-01T08:00:00.000000000',
       '2001-01-01T09:00:00.000000000', '2001-01-01T10:00:00.000000000'], dtype='datetime64[ns]')

有没有一个简单的方法来删除2001-01-01T05:00:00.000000000的第二个出现？现实生活中的问题处理多维NetCDF文件，所以切换到熊猫是没有选择的。

[更新]我得到的最接近的答案是下面这个答案；这适用于我的简单例子，只要不使用Dask，如果文件包含Dask数组，我会得到错误：

与skipna=True的'最后'尚未在dask阵列上实现

但是我不知道我可以/必须在哪里设置skipna。




Answer 1

显然Stackoverflow不让我发表评论...我想补充圭佑的回答。您还可以使用get_index（）函数来获取熊猫索引。

f.sel(time=~f.get_index("time").duplicated())

Answer 2

我认为xray没有自己的方法来达到这个目的，但是下面的作品，

In [7]: _, index = np.unique(f['time'], return_index=True)

In [8]: index
Out[8]: array([ 0,  1,  2,  3,  4,  5,  7,  8,  9, 10, 11])

In [9]: f.isel(time=index)
Out[9]: 
<xarray.Dataset>
Dimensions:  (time: 11)
Coordinates:
  * time     (time) datetime64[ns] 2001-01-01 2001-01-01T01:00:00 ...
Data variables:
   var      (time) float64 dask.array<shape=(11,), chunksize=(6,)>