每年绘制 X 轴上的月份和来自 NetCDF 的 Y 轴上的变量

Posted 2023-03-24

【中文标题】每年绘制 X 轴上的月份和来自 NetCDF 的 Y 轴上的变量

【英文标题】：Plot every year as line with months on Xaxis and variable on Y-axis from NetCDF

【发布时间】：2021-07-24 11:09:54

【问题描述】：

我有以纬度、经度、时间为维度和温度temp 作为变量的 netcdf 数据。它有10年的每日温度数据。

对于单个位置，我可以绘制时间序列。但是如何在 X 轴上绘制每年，Year 和 Months 和 Y 轴上的 temp。所以我想在我的图表上用 10 条线作为 10 年。每条线是一年，代表 12 个月的平均值或每日数据。 example is here.

如果可能，请告诉如何在这 10 个年度线图中添加所有年份的平均值和中位数作为单独的线。示例图片image example

【问题讨论】：

这个问题需要更多的关注。到目前为止，您实际上做了什么？您是否需要代码才能以正确的格式获取数据以进行绘图？您是否希望有人为您编写此代码，或者您是否已经到此为止并被卡住了？

我已经通过空间均值将 3D 数组转换为 2D 并将其转换为 Pandas 2D 数据帧并用 Pandas 解决了绘图问题。但我想学习，完全在 Xarray 中做。 Huite Bootsma 下面的例子，给了我很多信息。

如果这是真的，您应该在问题中包含这一点，因为当您要求人们编写代码时就会出现问题，这不是 SO 的意义

【参考方案1】：

我很想同意这样的评论，即根据您的尝试表现出更多的努力会很好。最好提及您阅读的内容（例如 xarray 文档：https://xarray.pydata.org/en/stable/），我相信其中包含您需要的许多组件。

我将首先设置一些模拟数据，就像你提到的那样，包含四年的每日（随机）数据。

time = pd.date_range("2000-01-01", "2004-12-31")
base = xr.DataArray(
    data=np.ones((time.size, 3, 2)),
    dims=("time", "lat", "lon"),
    coords=
        "time": time,
        "lat": [1, 2, 3],
        "lon": [0.5, 1.5],
    ,
)

为了使数据与您的示例更具可比性，我将添加年度季节性（基于一年中的某天），并使每年增加 0.1。

seasonality = xr.DataArray(
    data=np.sin((time.dayofyear / 365.0) * (2 * np.pi)),
    coords="time": time,
    dims=["time"],
)
trend = xr.DataArray(
    data=(time.year - 2000) * 0.1,
    coords="time": time,
    dims=["time"],
)
da = base + seasonality + trend

（您显然可以跳过这两个部分，在您的情况下，您只需执行xarray.open_dataset() or xarray.open_dataarray`）

我不认为您的示例是按月份分组的：它太顺利了。因此，我将改为按年分组。 让我们从获取单个位置开始，然后使用 dt 访问器： https://xarray.pydata.org/en/stable/time-series.html#datetime-components

在这种情况下，将数据存储为 DataFrame 也是最方便的，因为它本质上变成了一个表（以一年中的月份为行，单独的年份等为列）。首先我们选择一个位置，计算最小值和最大值并将它们存储在 pandas DataFrame 中：

location = da.isel(lat=0, lon=0)
dataframe = location.groupby(da["time"].dt.dayofyear).min().drop(["lat", "lon"]).to_dataframe(name="min")
dataframe["max"] = location.groupby(da["time"].dt.dayofyear).max().values

接下来，逐年抓取数据，并将其添加到 DataFrame：

for year, yearda in location.groupby(location["time"].dt.year):
    dataframe[year] = pd.Series(index=yearda["time"].dt.dayofyear, data=yearda.values)

如果您想要每月值，请按步骤添加另一个分组：

for year, yearda in location.groupby(location["time"].dt.year):
    monthly_mean = yearda.groupby(yearda["time"].dt.month).mean()
    dataframe[year] = pd.Series(index=monthly_mean["month"], data=monthly_mean.values)

请注意，通过首先将数据转换为 pandas Series，它可以根据索引的值（此处为 dayofyear）适当地添加值，即使我们没有每年的 366 个值。

接下来，绘制它：

dataframe.plot()

它会根据列自动分配色调。

（由于我设置模拟数据的方式，我的最小值和最大值与 2000 年和 2004 年一致，......你明白了。）

在样式、选项等方面，你可能更喜欢 seaborn：

https://seaborn.pydata.org/index.html

import seaborn as sns
sns.plot(data=dataframe)

如果您想使用不同的样式、不同类型的图（例如您的示例具有的彩色区域），您必须组合不同的图，例如如下：

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.fill_between(x=dataframe.index, y1=dataframe["min"], y2=dataframe["max"], alpha=0.5, color="orange")
dataframe.plot(ax=ax)

请注意，seaborn、pandas、xarray 等都在后台使用 matplotlib。许多绘图函数还接受 ax 参数，以在现有绘图的顶部绘图。

【讨论】：

非常感谢Huite Bootsma，这个例子对理解Xarray如何读取数据以及如何分离数据很有帮助。