python - xarray : compute daily anomalies from monthly resampled average (not the climatology)

Question

xarray 的 documentation解释了如何计算月度气候学的异常。在这里，我试图做一些稍微不同的事情:我想根据每日时间序列计算本月平均值的每日异常值(而不是来自月度气候学)。

我设法使用 groupby 和手动创建的月戳(下面的代码)来做到这一点。有没有更好、更简单的方法来获得相同的结果？

import xarray as xr
import numpy as np
import pandas as pd

# Create a data array
t = pd.date_range('2001', '2003', freq='D')
da = xr.DataArray(np.arange(len(t)), coords={'time':t}, dims='time')

# Monthly time stamp for groupby
da.coords['stamp'] = ('time', [str(y) + '-' + str(m) for (y, m) in 
                               zip(da['time.year'].values, 
                                   da['time.month'].values)])

# Anomaly
da_ano = da.groupby('stamp') - da.groupby('stamp').mean()

da_ano.plot();

Answer 1

你可以显式地 resample月时间序列意味着变成日时间序列。示例:

monthly = da.resample(time='1MS').mean()
upsampled_monthly = monthly.resample(time='1D').ffill()
anomalies = da - upsampled_monthly