如何一次计算指定坐标和二维 xarray 数据之间的欧几里得距离

Question

如何一次计算指定坐标与二维xarray数据之间的欧氏距离（无for循环）？

我写了下面的代码。但是如果数据量变大，这个脚本就会显得很慢。如果没有 for 循环，我怎么能做同样的事情？

import math
import xarray as xr 
import numpy as np

#set the specified lat, lon
specific_lat = 15
specific_lon = 65

#create sample xarry data
lat = [0, 10, 20]
lon = [50, 60, 70, 80]

#sample data
test_data = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

#to xarray
data_xarray = xr.DataArray(test_data, dims=("lat","lon"), coords={"lat":lat, "lon":lon})

#calculate distance
xarray_distance = data_xarray #copy
xarray_distance.data[:,:] = 0.0 #zero-reset

for lat in data_xarray.lat.data:
    for lon in data_xarray.lon.data:
        xarray_distance.loc[{"lat":lat,"lon":lon}] = math.sqrt((lat- spec_lat)**2 + (lon - spec_lon)**2)

print(xarray_distance)

#<xarray.DataArray (lat: 3, lon: 4)>
#array([[21, 15, 15, 21],
#       [15,  7,  7, 15],
#       [15,  7,  7, 15]])
#Coordinates:
#  * lat      (lat) int64 0 10 20
#  * lon      (lon) int64 50 60 70 80

Answer 1

首先，xarray_distance = data_xarray 不复制对象。两个名称将看到相同的对象以及对它发生的任何更改。对于副本，您想执行 data_xarray.copy().

现在，您不想使用循环，而是想利用 numpy 的矢量化和广播一次性创建二维数组并将其设置为您的 xarray 对象数据。

lat = np.array(lat)
lon = np.array(lon)
xarray_distance.data = np.sqrt((lat - spec_lat)[:,None]**2 + ((lon - spec_lon)**2))

结果

<xarray.DataArray (lat: 3, lon: 4)>
array([[21.21320344, 15.8113883 , 15.8113883 , 21.21320344],
       [15.8113883 ,  7.07106781,  7.07106781, 15.8113883 ],
       [15.8113883 ,  7.07106781,  7.07106781, 15.8113883 ]])
Coordinates:
  * lat      (lat) int32 0 10 20
  * lon      (lon) int32 50 60 70 80

您会注意到数据是浮点数，考虑到它们代表什么，它们可能应该是浮点数。如果你想要它们在数据的原始类型中，替换为

xarray_distance.data = np.sqrt(...)

和

xarray_distance.data = np.sqrt(...).astype(xarray_distance.data.dtype)

Answer 2

您需要通过以下公式计算余弦权重：(lon - spec_lon)**2 等于 (cos(lat)*(lon - spec_lon))

如何一次计算指定坐标和二维 xarray 数据之间的欧几里得距离

How to calculate the euclidian distance between a specified coordinate and 2-d xarray data at once

python

python-xarray