xarray

xarray - 多维地球科学数据

快速参考

import xarray as xr

# Read
ds = xr.open_dataset('data.nc')

# Access data
temp = ds['temperature']         # DataArray
values = temp.values             # numpy array
df = ds.to_dataframe()           # pandas DataFrame

# Structure info
print(ds)                        # Overview
print(ds.dims)                   # Dimensions
print(ds.data_vars)              # Variables

# Write
ds.to_netcdf('output.nc')

主要类

类	用途
Dataset	一组对齐的 DataArray（类似 NetCDF 文件）
DataArray	带有标记维度的单个变量
Coordinates	维度标签（time、lat、lon）

基本操作

选择数据

# By coordinate value
temp_jan = ds['temperature'].sel(time='2020-01-15')
temp_region = ds['temperature'].sel(lat=slice(-30, 30), lon=slice(-60, 60))

# Nearest value
temp_point = ds['temperature'].sel(lat=35.5, lon=-120.3, method='nearest')

# By index
temp_first = ds['temperature'].isel(time=0)

计算统计量

temp = ds['temperature']
temp_mean_time = temp.mean(dim='time')           # Spatial map
temp_mean_space = temp.mean(dim=['lat', 'lon'])  # Time series

# Area-weighted mean
import numpy as np
weights = np.cos(np.deg2rad(ds.lat))
temp_weighted = temp.weighted(weights).mean(dim=['lat', 'lon'])

分组和重采样

temp = ds['temperature']

# Temporal aggregations
monthly_mean = temp.groupby('time.month').mean()
annual_mean = temp.groupby('time.year').mean()

# Climatology and anomalies
climatology = temp.groupby('time.month').mean('time')
anomalies = temp.groupby('time.month') - climatology

# Resample time series
monthly = temp.resample(time='1M').mean()
rolling_30d = temp.rolling(time=30, center=True).mean()

创建新数据集

import numpy as np
import pandas as pd

times = pd.date_range('2020-01-01', periods=365, freq='D')
lats = np.linspace(-90, 90, 180)
lons = np.linspace(-180, 180, 360)

da = xr.DataArray(
    data=np.random.randn(365, 180, 360),
    dims=['time', 'lat', 'lon'],
    coords={'time': times, 'lat': lats, 'lon': lons},
    attrs={'units': 'degC', 'long_name': 'Temperature'}
)

ds = xr.Dataset({'temperature': da})
ds.to_netcdf('output.nc')

掩码

temp_warm = temp.where(temp > 20)                 # Mask by condition
temp_clipped = temp.where(temp > 0, 0)            # Replace negative with 0

tropics = (ds.lat > -23.5) & (ds.lat < 23.5)
temp_tropics = temp.where(tropics, drop=True)    # Mask by coordinate

大型数据集（Dask）

# Open with chunking (lazy loading)
ds = xr.open_dataset('large_file.nc', chunks={'time': 100})
ds = xr.open_mfdataset('data_*.nc', chunks='auto')

# Operations are lazy until .compute()
result = ds['temperature'].mean(dim='time').compute()

何时使用及替代方案

工具	最适用场景	局限性
xarray	带标签的多维数组、NetCDF/Zarr、Dask 集成	对 numpy 新手而言有一定学习门槛
iris	Met Office 气候工作流、UGRID 网格支持	社区规模较小，惯例偏向英国
CDO	快速执行命令行气候数据操作	非 Python 原生，定制分析能力有限
NCO	快速操作 NetCDF 文件和进行算术运算	仅支持命令行，无可视化功能

在以下情况使用 xarray： 需要处理带标签的维度、无缝进行 NetCDF/Zarr I/O、 执行分组/重采样操作，或基于 Dask 并行处理大型数据集。

在以下情况考虑替代方案： 需要快速一次性通过命令行操作 NetCDF 文件（使用 CDO/NCO），或在使用 UGRID 网格的 Met Office 生态系统中工作 （使用 iris）。

常见工作流

通过时间聚合分析气候数据

• 使用 xr.open_dataset() 打开 NetCDF 数据集（数据量较大时使用 chunks=）
• 使用 print(ds) 查看维度、坐标和变量
• 使用 .sel(lat=slice(), lon=slice()) 选择感兴趣的区域
• 使用 .groupby('time.month').mean('time') 计算气候态
• 从数据中减去气候态，计算距平
• 使用余弦纬度权重计算面积加权空间平均值
• 重采样到所需的时间分辨率（月度、年度）
• 使用 .to_netcdf() 将结果保存为 NetCDF

常见问题

问题	解决方案
内存错误	使用 chunks= 延迟加载
时间解码失败	使用 decode_times=False，然后手动解码
缺少坐标	检查 ds.coords 和 ds.dims
对齐错误	检查坐标值是否匹配

参考资料

• I/O 格式 - NetCDF、Zarr 及其他格式
• 计算 - 聚合和分析方法

脚本

• scripts/climate_analysis.py - 气候数据分析