如何检查 python xarray Dataset/DataArray 对象是否已加载到内存中，或者是否仍指向磁盘上的数据？

Question

python中的xarray包似乎使用"lazy loading"指向磁盘上的结构化数据（例如netCDF，HDF5），然后loads the data into memory仅"when necessary." 如何检查交互式 python 会话或 python 脚本中给定的 Dataset 或 DataArray 对象是否实际上是 "loaded?"

理想情况下，像

import xarray as xr
dataset = xr.open_dataset('data.nc') 
dataset.is_loaded() # is it loaded into memory?

不确定这是否是一个有意义的问题，但希望能够安全、自信地控制巨型数据集的这种行为，以免不必要地读取整个文件。

Answer 1

我认为您可以通过 dataset.chunks 检查您的数据集是否被分块。在此基础上，您可以构造函数来检测您的数据集是否已加载，例如：

def is_loaded(chunks):
   out = False
   if chunks is not None:
      out = True
   return out
print(is_loaded(dataset.chunks))

Answer 2

目前无法使用 public API。此信息是使用私有 API 可用的。如果你查看 DataArray.variable._data 从磁盘加载的数组，你会看到一个 MemoryCachedArray 对象（从 xarray v0.9 开始）如果它被缓存：

>>> xarray.DataArray([[1, 2], [3, 4]]).to_netcdf('foo.nc')
>>> array = xarray.open_dataarray('foo.nc')
>>> array.variable._data
MemoryCachedArray(array=CopyOnWriteArray(array=LazilyIndexedArray(array=ScipyArrayWrapper(array=array([[1, 2],
       [3, 4]], dtype=int32)), key=(slice(None, None, None), slice(None, None, None)))))

如果您的数据足够大以至于您担心缓存会出现问题，我绝对建议您使用 cache=False 打开任何文件，例如 xarray.open_dataarray('foo.nc', cache=False)。在这种情况下，您将不会在 _data:

中看到 MemoryCachedArray 对象

>>> array.variable._data
CopyOnWriteArray(array=LazilyIndexedArray(array=ScipyArrayWrapper(array=array([[1, 2],
       [3, 4]], dtype=int32)), key=(slice(None, None, None), slice(None, None, None))))

如果您仍然认为需要能够检查现有 xarray 对象是否可以缓存，请在我们的 GitHub 页面上提出问题以讨论潜在的新 API.

如何检查 python xarray Dataset/DataArray 对象是否已加载到内存中，或者是否仍指向磁盘上的数据？

How can I check whether a python xarray Dataset/DataArray object is loaded into memory, or still points to data on disk?

python

python-3.x

memory

ipython

python-xarray