使用xarray拆分NC数据时间维度及.groupby().first/.last报错解决

一、三维转四维数据结构实现方法 #

需求：将(time, lon, lat)三维数据转换为(year, monthday, lon, lat)四维结构，其中monthday格式为01-01至12-31。

基于提供的示例代码，可通过以下步骤实现：

1. 为数据添加year和monthday坐标
2. 将时间维度替换为year和monthday的复合索引
3. 拆分复合索引为独立维度并调整维度顺序

完整代码示例：

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

# 生成示例数据（与原代码一致）
time = pd.date_range("2000-01-01", "2001-12-31", freq="D")
time = time[~((time.month == 2) & (time.day == 29))] 
lon = np.linspace(100, 110, 5)
lat = np.linspace(30, 35, 4)
data = np.random.rand(len(time), len(lon), len(lat))

da = xr.DataArray(
    data,
    coords={"time": time, "lon": lon, "lat": lat},
    dims=["time", "lon", "lat"],
    name="pr"
)

# 转换为四维结构
# 1. 添加year和monthday坐标
da = da.assign_coords(
    year=da.time.dt.year,
    monthday=da.time.dt.strftime("%m-%d")
)
# 2. 将time维度设置为(year, monthday)复合索引
da = da.set_index(time=["year", "monthday"])
# 3. 拆分复合索引为独立维度，调整维度顺序
da_4d = da.unstack("time").transpose("year", "monthday", "lon", "lat")

# 查看结果维度
print(da_4d.dims)  # 输出：('year', 'monthday', 'lon', 'lat')

也可通过groupby直接实现（适用于每个(year, monthday)对应唯一时间点的场景）：

da_4d = da.groupby([da.time.dt.year, da.time.dt.strftime("%m-%d")]).first()
da_4d = da_4d.rename({"time_year": "year", "time_strftime": "monthday"})
da_4d = da_4d.transpose("year", "monthday", "lon", "lat")

二、groupby后first()/last()报错原因及正确用法 #

报错原因 #

原代码中，assign_coords仅为数据添加了year和monthday坐标变量，而非将其设为维度或索引。在调用groupby(['year', 'monthday'])后，first()/last()方法会尝试保留原始time维度的元数据，导致坐标逻辑冲突（例如分组后time维度的归属不明确），从而引发报错。

正确用法 #

有两种可行的修正方式：

方式1：直接使用时间属性作为分组键（无需提前assign_coords）

直接基于time维度的日期属性进行分组，避免坐标变量带来的冲突：

# 使用first()获取每个(year, monthday)对应的第一个时间点数据
da_first = da.groupby([da.time.dt.year, da.time.dt.strftime("%m-%d")]).first()
# 重命名分组生成的维度
da_first = da_first.rename({"time_year": "year", "time_strftime": "monthday"})

# 使用last()同理
da_last = da.groupby([da.time.dt.year, da.time.dt.strftime("%m-%d")]).last()
da_last = da_last.rename({"time_year": "year", "time_strftime": "monthday"})

方式2：先将year和monthday设为索引再操作

先把year和monthday设置为time维度的复合索引，再进行分组或直接拆分：

# 先设置复合索引
da_indexed = da.assign_coords(
    year=da.time.dt.year,
    monthday=da.time.dt.strftime("%m-%d")
).set_index(time=["year", "monthday"])

# 拆分索引得到四维结构，此时每个(year, monthday)对应唯一数据，first/last等价于直接取值
da_first = da_indexed.unstack("time")

内容的提问来源于stack exchange，提问作者Breeze