xarry.sel 'nearest' 方法如何处理多个条件？
How does the xarry.sel 'nearest' method work with multiple conditions?
我正在处理一些 xarray 数据数组，这些数组在特定的 latitude/longitude 坐标处有一些数据。
对于数据数组 1 (da1) 中的每个 lat/long 坐标对，我想在数据数组 2 (da2) 中找到最接近的 lat/long 对。
遵循 this Whosebug answer 一个似乎有效的解决方案是：
lats = xr.DataArray(da1.latitude.data, dims='z') #'z' is an arbitrary name placeholder
lons = xr.DataArray(da1.longitude.data, dims='z')
data = da2.sel(latitude = lats, longitude = lons, method = 'nearest')
returns data 数据集，其长度与 da1 相同。
我的问题是:
- 最近的方法如何权衡每个纬度和经度坐标的“接近度”？
例如，可以想象一种情况，经度上的匹配非常接近，而纬度上的匹配差一点，与经度上的匹配不太接近的相反情况相比，但纬度上的匹配非常接近。 'nearest' 方法根据什么指标来判断？
设置容差时，这个容差是否分别应用于经纬度？
默认公差是多少？
xarray 的选择算法确实对数据的每个维度独立工作。 'nearness' 匹配由每个索引的 query 方法处理； xarray 中的大多数索引都是由 xr.core.indexes.PandasIndex object, the query method of which simply calls the underlying pandas Index object's get_loc 方法包装的各种类型的 Pandas 索引。来自 pandas API 参考：
nearest: use the NEAREST index value if no exact match. Tied distances are broken by preferring the larger index value.
请注意，此匹配是在笛卡尔 space 中完成的（例如，仅基于数字）。因此，即使不考虑您关于多维的观点，如果您的 x 和 y 坐标未线性映射到物理距离（例如，如果您的 x 和 y点代表某些投影上的像素）。
这对于近似最近邻很好的许多应用程序非常有用，或者如果您乐于使用笛卡尔 space。如果没有，您可能应该使用地理空间库或其他一些明确处理您正在使用的坐标 space 的库来查找最近点的坐标。
我正在处理一些 xarray 数据数组，这些数组在特定的 latitude/longitude 坐标处有一些数据。
对于数据数组 1 (da1) 中的每个 lat/long 坐标对，我想在数据数组 2 (da2) 中找到最接近的 lat/long 对。
遵循 this Whosebug answer 一个似乎有效的解决方案是：
lats = xr.DataArray(da1.latitude.data, dims='z') #'z' is an arbitrary name placeholder
lons = xr.DataArray(da1.longitude.data, dims='z')
data = da2.sel(latitude = lats, longitude = lons, method = 'nearest')
returns data 数据集，其长度与 da1 相同。
我的问题是:
- 最近的方法如何权衡每个纬度和经度坐标的“接近度”？
例如，可以想象一种情况，经度上的匹配非常接近，而纬度上的匹配差一点，与经度上的匹配不太接近的相反情况相比，但纬度上的匹配非常接近。 'nearest' 方法根据什么指标来判断？
设置容差时，这个容差是否分别应用于经纬度？
默认公差是多少？
xarray 的选择算法确实对数据的每个维度独立工作。 'nearness' 匹配由每个索引的 query 方法处理； xarray 中的大多数索引都是由 xr.core.indexes.PandasIndex object, the query method of which simply calls the underlying pandas Index object's get_loc 方法包装的各种类型的 Pandas 索引。来自 pandas API 参考：
nearest: use the NEAREST index value if no exact match. Tied distances are broken by preferring the larger index value.
请注意，此匹配是在笛卡尔 space 中完成的（例如，仅基于数字）。因此，即使不考虑您关于多维的观点，如果您的 x 和 y 坐标未线性映射到物理距离（例如，如果您的 x 和 y点代表某些投影上的像素）。
这对于近似最近邻很好的许多应用程序非常有用，或者如果您乐于使用笛卡尔 space。如果没有，您可能应该使用地理空间库或其他一些明确处理您正在使用的坐标 space 的库来查找最近点的坐标。