xarray：根据每月重采样平均值（不是气候学）计算每日异常

Question

xarray 的 documentation 解释了如何计算每月 气候学 的异常。在这里，我试图做一些稍微不同的事情：从每日时间序列，我想计算本月平均值的每日异常（不是来自每月气候学）。

我设法使用 groupby 和手动创建的月戳（下面的代码）来做到这一点。有没有更好、更简单的方法来获得相同的结果？

import xarray as xr
import numpy as np
import pandas as pd

# Create a data array
t = pd.date_range('2001', '2003', freq='D')
da = xr.DataArray(np.arange(len(t)), coords={'time':t}, dims='time')

# Monthly time stamp for groupby
da.coords['stamp'] = ('time', [str(y) + '-' + str(m) for (y, m) in 
                               zip(da['time.year'].values, 
                                   da['time.month'].values)])

# Anomaly
da_ano = da.groupby('stamp') - da.groupby('stamp').mean()

da_ano.plot();

Answer 1

您可以明确地 resample 将每月 time-series 的手段转换为每天 time-series。示例：

monthly = da.resample(time='1MS').mean()
upsampled_monthly = monthly.resample(time='1D').ffill()
anomalies = da - upsampled_monthly

xarray：根据每月重采样平均值（不是气候学）计算每日异常

xarray: compute daily anomalies from monthly resampled average (not the climatology)

python

python-xarray

xarray