Numpy 应用：在 xarray 数据集上使用 numpy.polyfit

在本文中，我们将介绍如何在 xarray 数据集上使用 numpy.polyfit 。 xarray 是一个适用于科学数据的 Python 库，它允许我们将多维数组与坐标结合起来，创建数据集并操作这些数据集。

numpy.polyfit 是一个很有用的函数，它用于拟合多项式曲线。它在许多数据科学应用中广泛使用。

阅读更多：Numpy 教程

数据集的加载

首先，我们需要创建一个 xarray 数据集。这里，我们将使用一个气象数据集。

import xarray as xr
import numpy as np

# 加载气象数据集 
dataset = xr.tutorial.load_dataset('air_temperature')

这个数据集包含全球温度和经度。我们可以使用 dataset.air 来提取全球温度这个变量。

对数据进行拟合

让我们来使用 numpy.polyfit 函数来拟合全球温度数据。我们将选择拟合10个点的3次多项式。

import matplotlib.pyplot as plt

# 选择数据点 
x = dataset.air[:, 0, 0].time.values.astype(float)
y = np.array(dataset.air[:, 0, 0].values.tolist())

# 对数据进行拟合 
z = np.polyfit(x, y, 3)
p = np.poly1d(z)

我们也可以将拟合的结果绘制出来。

xp = np.linspace(x.min(), x.max(), 100)
plt.plot(x, y, '.', xp, p(xp), '-')
plt.title('Temperature over time')
plt.show()

修改数据集

我们还可以使用 numpy.polyfit 和 xarray 将拟合值添加到数据集中。我们仍然拟合全球温度数据，但这次我们将把拟合值添加到新的 trend 变量中。

# 选择数据点 
x = dataset.air[:, 0, 0].time.values.astype(float)
y = np.array(dataset.air[:, 0, 0].values.tolist())

# 对数据进行拟合 
z = np.polyfit(x, y, 3)
p = np.poly1d(z)

# 添加拟合值到新变量中 
trend = p(x) - y.mean()
da = xr.DataArray(trend, dims=['time'], coords={'time': dataset.time})

dataset = xr.merge([dataset, da.to_dataset(name='trend')])

现在，我们得到了一个新的变量 trend，它包含全球温度的趋势。