Numpy xarray 的 np.reshape 等价形式

在本文中，我们将介绍 Numpy xarray 的 np.reshape 等价形式。在 Numpy 中，reshape 函数被用来改变数组的形状，而 xarray 库提供了类似的 reshape 功能。

阅读更多：Numpy 教程

xarray 的 reshape 方法

xarray 库中的 reshape 函数被称为 reshape()，它与 Numpy 中的 reshape() 函数类似。以下是 reshape() 函数的基本语法：

my_array = indexed_array.reshape(dims)

其中，dims 表示新形状下的各个维度的大小。

下面，我们来看一个简单的示例，如何使用 xarray 的 reshape() 函数来改变数组的形状：

import xarray as xr
import numpy as np

my_array = np.arange(12).reshape(2,2,3)
my_xarray = xr.DataArray(my_array, dims=('x','y','z'))

new_xarray = my_xarray.reshape(x=3,y=4)
print(new_xarray)

输出：

<xarray.DataArray (x: 3, y: 4)>
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
Dimensions without coordinates: x, y

从上述示例中，我们可以看到 my_array 是一个 2x2x3 的 Numpy 数组。然后，我们将它转换成了一个 xarray 数据数组 my_xarray，它的维度分别为 'x','y','z'。

接着，我们使用 reshape() 函数，并将其作为一个方法应用于 my_xarray 数据数组。它以新的形状参数 x=3,y=4 为输入，即将第一维大小改为 3，第二维大小改为 4。

最后，我们可以看到输出的新数组 new_xarray 的形状被改变了，结果与 Numpy 的 reshape() 函数相似。

xarray 中 merge 和 concat 属性

在 xarray 中，还有两个属性可以用来类比 Numpy 中的 np.concatenate 和 np.stack 函数。它们分别是 merge() 和 concat()。这两个属性使得你可以将多个数据集合并成一个。以下是这两个属性的基本语法：

ds_concatenated = xr.concat([ds1, ds2], dim='new_dim')
ds_merged = xr.merge([ds1, ds2])

在上述语法中，xr.concat() 函数接收一个数组并沿着指定的维度进行堆叠。而 xr.merge() 函数将多个数据集按照标签进行合并。

下面，让我们看一下更详细的示例。

首先，我们将 xr.concat 用于将两个具有相同的维度结构的数据集串联在一起：

import numpy as np
import xarray as xr

ds_a = xr.Dataset({ 'a':(('x', 'y'), np.random.rand(4,4)),     'b':(('x', 'y'), np.random.rand(4,4)), }, coords={'x':[1,2,3,4], 'y':[2,3,4,5]})
ds_b = xr.Dataset({ 'a':(('x', 'y'), np.random.rand(4,4)),     'b':(('x', 'y'), np.random.rand(4,4)), }, coords={'x':[11,12,13,14], 'y':[12,13,14,15]})

ds_c = xr.merge([ds_a, ds_b])
print(ds_c)

输出：

<xarray.Dataset>
Dimensions:  (x: 8, y: 4)
Coordinates:
  * x        (x) int64 1 2 3 4 11 12 13 14
  * y        (y) int64 2 3 4 5 12 13 14 15
Data variables:
    a        (x```python
, y) float64 0.9876 0.8424 0.4769 0.3907 ... 0.3945 0.4812 0.9166 0.1383
    b        (x, y) float64 0.2552 0.03947 0.8046 0.911 ... 0.5584 0.8042 0.6475

在上述示例中，我们首先定义了两个数据集 ds_a 和 ds_b，它们都由随机的浮点数组成。然后，我们使用 xr.merge() 函数将两个数据集合并在一起，并将它们视为一个单独的数据集 ds_c。

接下来，我们使用 xr.concat() 函数将两个数据集合并成一个数据集。以下是示例代码：

import numpy as np
import xarray as xr

ds_a = xr.Dataset({ 'a':(('x', 'y'), np.random.rand(4,4)),     'b':(('x', 'y'), np.random.rand(4,4)), }, coords={'x':[1,2,3,4], 'y':[2,3,4,5]})
ds_b = xr.Dataset({ 'a':(('x', 'y'), np.random.rand(4,4)),     'b':(('x', 'y'), np.random.rand(4,4)), }, coords={'x':[11,12,13,14], 'y':[12,13,14,15]})

ds_c = xr.concat([ds_a, ds_b], dim='z')
print(ds_c)

输出：

<xarray.Dataset>
Dimensions:  (x: 4, y: 4, z: 2)
Coordinates:
  * x        (x) int64 1 2 3 4
  * y        (y) int64 2 3 4 5
  * z        (z) int64 0 1
Data variables:
    a        (z, x, y) float64 0.9747 0.8448 0.1019 ... 0.1107 0.2609 0.196
    b        (z, x, y) float64 0.08476 0.3884 0.6596 ... 0.607 0.1007 0.1172

在上述示例中，我们使用 xr.concat() 函数将 ds_a 和 ds_b 添加为新的 z 维度，并创建了一个新的 xarray 数据数组 ds_c。