如何用Python的xarray对LAI栅格数据进行重分类？

首先明确你的需求：将0-0.4映射为1，0.4-1.0映射为2，1.0-1.4映射为3，1.4-1.8映射为4。你的两种方法存在问题，以下是问题分析和正确实现方式：

你的方法问题分析 #

• 方法一：使用np.where索引赋值的逻辑顺序是对的（从高阈值到低阈值，避免覆盖），但这种方式不符合xarray的原生操作习惯，且若数据是延迟加载（如dask数组）会触发不必要的计算，甚至可能因索引广播问题导致赋值失效。
• 方法二：完全错误使用了xr.where，xr.where的正确语法是xr.where(条件, 满足条件的取值, 不满足条件的取值)，且你没有将计算结果赋值给变量，原数据根本未被修改。

正确实现方式 #

方式一：嵌套使用xr.where（推荐） #

利用xr.where的嵌套特性，从高到低判断阈值，生成新的分类后DataArray：

LAI_reclassified = xr.where(LAI > 1.4, 4,
                            xr.where(LAI > 1.0, 3,
                                     xr.where(LAI > 0.4, 2, 1)))

这种方式会保留原数据的维度、坐标和属性，且支持延迟加载的数组。

方式二：结合pandas.cut实现 #

如果习惯用区间划分的方式，可以借助pandas的cut函数：

import pandas as pd

# 定义区间边界和对应标签
bins = [0, 0.4, 1.0, 1.4, 1.8]
labels = [1, 2, 3, 4]

# 展平数据处理后重塑形状，再转回xarray.DataArray
LAI_reclassified = xr.DataArray(
    pd.cut(LAI.data.flatten(), bins=bins, labels=labels, include_lowest=True).reshape(LAI.shape),
    dims=LAI.dims,
    coords=LAI.coords,
    attrs=LAI.attrs
)

include_lowest=True确保0值被包含在第一个区间内。

内容的提问来源于stack exchange，提问作者Martin