xarray select\interpolate 自定义一维切片 auf 多维数据（又名 zip vs itertools.product）

Question

我有一个（大的）多维 xarray 数据数组或数据集，我想 select 或沿一维路径插入数据，而不需要缓慢的 for 循环或列表理解（例如，在纬度和经度上定义了二维数据，我想沿着纬度和经度给定的路径获取数据）：

import xarray as xr
import numpy as np

lats, lons = np.arange(0, 6), np.arange(10, 17)
path_lats, path_lons = np.arange(0.3, 5, 0.5), np.arange(10.6, 15.6, 0.5)

da = xr.DataArray(np.random.rand(len(lats), len(lons)), coords=[lats, lons], dims=['latitude', 'longitude'])

下面的return是一个包含path_lats和path_lons的所有组合的2D DataArray，类似于使用itertools.product(path_lats,path_lons):

da_path = da.interp(latitude=path_lats, longitude=path_lons)

对于超过二维的更大 Dataarrays\Datasets 这将消耗大量内存，因为它包含大量此任务不需要的数据。

我想要的是使用 zip(path_lats, path_lons) 的 for 循环 \ 列表理解的快速版本，例如类似（此处语法无效）

da_pathZIP = da.interp((latitude, longitude) = (path_lats, path_lons))

这将是 return 一维数据阵列（坐标：路径索引），可能还有附加到数据的纬度和经度。生成的 Dataarray 应包含以下数据：

[float(da.interp(latitude=p_lat, longitude=p_lon)) for p_lat, p_lon in zip(path_lats, path_lons)]

这在 xarray 中可以不使用循环吗？

Answer 1

没关系，我刚刚在 xarray docs:

中找到了解决方案

da_lons = xr.DataArray(path_lons, dims='time')
da_lats = xr.DataArray(path_lats, dims='time')
da_pathZIP = da.interp(latitude=da_lats, longitude=da_lons)

xarray select\interpolate 自定义一维切片 auf 多维数据（又名 zip vs itertools.product）

xarray select\interpolate custom 1D slice out auf multidimensional data (aka zip vs itertools.product)

python

multidimensional-array

python-xarray