【数据可视化应用】xarray 绘图可视化-赋权降维和Groupby（附代码）

文宇肃然

于 2022-04-07 05:00:00 发布

阅读量1.6k

点赞数

CC 4.0 BY-SA版权

分类专栏：可视化工具数据分析实战应用文章标签：机器学习 python 数据挖掘

本文链接：https://blog.youkuaiyun.com/wenyusuran/article/details/123418449

可视化工具数据分析实战应用专栏收录该内容

97 篇文章 ¥59.90 ¥99.00

订阅专栏

本文详细介绍了如何使用 xarray 进行数据可视化，包括赋权降维计算平均SST、处理缺失值、Groupby 分析。文章通过实例展示了如何进行加权平均、分箱操作、分组应用和组合，并讨论了Resample和Rolling方法。此外，还探讨了指数加权滑动平均、线性回归等统计方法在数据分析中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

赋权降维和Groupby(Ⅰ)

引入相关包和导入数据：

import numpy as np
import xarray as xr
from matplotlib import pyplot as plt

# 数据导入
path = "...\\sst.mnmean.nc"
# 丢弃一个不必要导入的变量
ds = xr.open_dataset(path, drop_variables=["time_bnds"])
ds = ds.sel(time=slice("1960", "2018")).load()

赋权降维

对于数组的赋权降维而言，xarray目前支持DataArray和Dataset对象，对于这两个对象的降维可采用DataArray.weighted()和Dataset.weighted()方法。目前支持带权重的以平均（mean）和求和（sum）方法降维。

为说明赋权降维，下面先创建一个关于降水数据的DataArray和一个权重的DataArray.

prec = xr.DataArray(
    [50, 10, 0.9], 
    dims=("month"), 
    coords&#

了解本专栏