Skip to main content
 首页 » 编程设计

python之如何找到与一个变量中的最大值对应的所有变量的最大值

2024年12月31日12over140

我有一个包含许多变量的每日数据 xarray。我想提取每年最大的q_routed和最大q_routed发生当天其他变量的对应值。

    <xarray.Dataset> 
    Dimensions:    (latitude: 1, longitude: 1, param_set: 1, time: 17167) 
    Coordinates: 
      * time       (time) datetime64[ns] 1970-01-01 ... 
      * latitude   (latitude) float32 44.5118 
      * longitude  (longitude) float32 -111.435 
      * param_set  (param_set) |S1 b'' 
    Data variables: 
        ppt        (time, param_set, latitude, longitude) float64 ... 
        pet        (time, param_set, latitude, longitude) float64 ... 
        obsq       (time, param_set, latitude, longitude) float64 ... 
        q_routed   (time, param_set, latitude, longitude) float64 ... 

下面的命令为我提供了一年中每个 变量的最大值,但这不是我想要的。

ncdat['q_routed'].groupby('time.year').max( ) 

试用

我试过了

ncdat.groupby('time.year').argmax('time') 

导致这个错误:

ValueError: All-NaN slice encountered 

我该怎么做?

请您参考如下方法:

对于这种操作,您可能希望使用自定义 reduce 函数:

def my_func(ds, dim=None): 
    return ds.isel(**{dim: ds['q_routed'].argmax(dim)}) 
 
 
new = ncdat.groupby('time.year').apply(my_func, dim='time') 

现在,当您拥有完整的 nan 数组时,argmax 不会很好地发挥作用,因此您可能希望仅将此函数应用于包含数据的位置或预填充现有的 nan。像这样的东西可以工作:

mask = ncdat['q_routed'].isel(time=0).notnull()  # determine where you have valid data 
 
ncdat2 = ncdat.fillna(-9999)  # fill nans with a missing flag of some kind 
new = ncdat2.groupby('time.year').apply(my_func, dim='time').where(mask)  # do the groupby operation/reduction and reapply the mask