XArray是否有类似argmax的分位数统计函数？如何保留quantile操作的坐标？

获取90分位数对应的time坐标 #

quantile()方法本身返回的是分位统计值，不会保留原维度的坐标——因为分位数可能是插值得到的，不一定对应原数据中的某个具体时间点。如果要找到原数据中最接近90分位数的time点，或者直接取排序后对应分位数位置的time，可以用以下两种方法：

方法1：通过排序取对应位置的time和数值 #

先对数据在time维度上排序，计算90分位数的位置索引，再用isel提取对应的数据和坐标：

import numpy as np

# 计算90分位数的位置（索引从0开始，可根据需求用np.floor/np.ceil调整）
q90_pos = int(np.ceil(len(Data.time) * 0.9)) - 1

# 对time维度排序
sorted_data = Data.sortby('time')

# 提取对应位置的数值和time坐标
q90_data = sorted_data.isel(time=q90_pos)
# 此时q90_data保留lat、lon和time坐标，time即为对应分位数位置的时间

方法2：匹配与分位数值最接近的原数据点 #

先计算分位数值，再找每个网格点上最接近该值的time：

# 先计算90分位数值
q90_values = Data.quantile(0.9, dim='time')

# 计算每个点与分位数值的差值绝对值，找到最小差值对应的time索引
diff = abs(Data - q90_values)
q90_time_indices = diff.argmin(dim='time')

# 用索引提取对应的time和数据
q90_matched = Data.isel(time=q90_time_indices)
# 此时q90_matched的time坐标是每个网格点上最接近90分位数的时间

XArray中类似argmax的分位数函数 #

XArray没有直接提供返回分位数对应索引的内置函数，但可以通过上述方法间接实现——本质是结合排序、位置计算或argmin/argmax找到对应维度的索引。另外也可以用rank方法先计算每个时间点的百分比排名，再筛选接近0.9的点：

# 计算每个time点在lat/lon网格上的百分比排名（按time维度）
rank_data = Data.rank(dim='time', pct=True)

# 找到排名最接近0.9的time索引
q90_rank_indices = abs(rank_data - 0.9).argmin(dim='time')

# 提取对应数据和time坐标
q90_result = Data.isel(time=q90_rank_indices)

内容的提问来源于stack exchange，提问作者Maxim Couillard