【学习笔记】xarray库的基本使用（一）

文章目录

一、简介
二、安装
三、导入库
四、创建xarray对象
- （一）DataArray对象
- （二）Dataset对象
五、数据索引与切片
- （一）DataArray的索引与切片
- - 1. 基于坐标索引
  - 2. 基于位置索引（类似NumPy）
- （二）DataSet的索引与切片
- - 1. 选择变量
  - 2. 基于坐标选择数据子集
六、数据运算
- （一）算术运算
- （二）聚合运算
七、数据重塑与交换
- （一）堆叠与解堆叠
- （二）转置维度
八、数据可视化
- （一）简单可视化（使用matplotlib）
九、数据输入与输出
- （一）读取数据文件（NetCDF格式为例）
- （二）保存数据（NetCDF格式为例）
十、总结

一、简介

xarray是一个用于处理多维数组和数据集的Python库。它构建在NumPy、pandas等库之上，为处理带有标签（坐标）的多维数据提供了方便的接口，在地球科学、气象学、海洋学等需要处理多维数据的领域广泛应用。
（放佛什么也没说，大概就是在处地球、气象、海洋等领域的数据比较好用。）

二、安装

使用pip安装（推荐）
- 在命令行中输入：
```
pip install xarray
```
使用conda安装（如果使用Anaconda环境）
- 在命令行中输入：
```
conda install xarray
```

三、导入库

在Python脚本或交互式环境（如Jupyter Notebook）中，导入xarray库：

import xarray as xr

四、创建xarray对象

（一）DataArray对象

创建简单的DataArray对象。

首先创建一个NumPy数组：

import numpy as np
data = np.array([[1, 2], [3, 4]])

然后定义坐标:

coords = {'x': [10, 20], 'y': ['a', 'b']}
dims = ['x', 'y']

最后创建DataArray：

da = xr.DataArray(data, coords = coords, dims = dims)

（二）Dataset对象

创建简单的Dataset对象。

先创建两个DataArray：

data1 = np.array([[1, 2], [3, 4]])
coords1 = {'x': [10, 20], 'y': ['a', 'b']}
dims1 = ['x', 'y']
da1 = xr.DataArray(data1, coords = coords1, dims = dims1)
data2 = np.array([[5, 6], [7, 8]])
da2 = xr.DataArray(data2, coords = coords1, dims = dims1)

然后创建Dataset：

ds = xr.Dataset({'var1': da1, 'var2': da2})

五、数据索引与切片

（一）DataArray的索引与切片

1. 基于坐标索引

例如，要选择x = 10的那一行数据：
```
subset_da = da.sel(x = 10)
```

2. 基于位置索引（类似NumPy）

选择第一行数据：
```
subset_da = da[0]
```

（二）DataSet的索引与切片

1. 选择变量

要选择Dataset中的var1变量：
```
subset_ds_var1 = ds['var1']
```

2. 基于坐标选择数据子集

例如，选择x = 10的数据子集：
```
subset_ds = ds.sel(x = 10)
```

六、数据运算

（一）算术运算

在DataArray和Dataset上都可以进行算术运算。

例如，对于两个DataArray da1和da2：
加法：result = da1 + da2。
减法：result = da1 - da2。

在Dataset中，变量之间也可以进行类似运算。

（二）聚合运算

计算平均值：
- 对于DataArray，计算沿x维度的平均值：
```
mean_da = da.mean(dim='x')
```
- 对于Dataset中的变量，计算沿x维度的平均值：
```
mean_ds_var1 = ds['var1'].mean(dim='x')
```
其他聚合运算：
- 还可以计算标准差（std）、最大值（max）、最小值（min）等聚合运算，方法类似。