xarray.Dataset.where()处理极端降水值无效的技术问询

你的代码用where(ds.cp>10, drop=True)没得到预期结果，大概率是drop=True的用法不符合需求，或者数据本身没有超过阈值的条目，下面分情况给出解决办法：

常见问题与修正 #

1. 保留原维度，仅替换不符合条件的值为NaN #

如果你的需求是保留所有时间、空间维度，只把未达到极端降水标准的数值设为NaN，直接去掉drop=True即可：

ds = xr.open_dataset('./precip.nc')
precip = ds['cp']
# 不删除维度，仅将不符合条件的值替换为NaN
rainfall = precip.where(precip > 10)

2. 确认数据是否存在符合阈值的条目 #

如果执行后结果为空，先检查降水数据的最大值是否真的超过10：

# 打印降水数据的全局最大值
print(precip.max().values)

如果最大值≤10，说明要么阈值设置过高，要么数据里本来就没有达到该标准的极端降水，需要调整阈值。

3. 精准筛选特定维度的极端降水 #

如果你想筛选存在极端降水的格点（删除所有时间都没出现极端降水的格点），或者存在极端降水的小时（删除所有格点都没出现极端降水的小时），可以基于维度做布尔判断：

• 筛选有极端降水的格点（假设空间维度是lat和lon）：

# 判断每个格点是否出现过极端降水
has_extreme_grid = (precip > 10).any(dim='time')
# 仅保留符合条件的格点
rainfall_extreme_grid = precip.where(has_extreme_grid, drop=True)

• 筛选有极端降水的小时：

# 判断每个小时是否有格点出现极端降水
has_extreme_hour = (precip > 10).any(dim=['lat', 'lon'])
# 仅保留符合条件的小时
rainfall_extreme_hours = precip.where(has_extreme_hour, drop=True)

4. 检查数据单位是否匹配阈值 #

注意降水数据的单位：如果数据单位是kg/m²/s，要先转换成常用的mm/h（1 kg/m²/s = 3600 mm/h），再做筛选：

# 单位转换
precip_mmh = precip * 3600
# 筛选极端降水
rainfall = precip_mmh.where(precip_mmh > 10)

内容的提问来源于stack exchange，提问作者Samkelo Magwala