如何用xarray对NetCDF变量u进行指定24小时时段的时间平均

针对你的需求，分两种常见场景给出实现方案：

1. 固定24小时时段的平均（如前24小时或指定时间段） #

如果需要对某一段连续的24小时数据求平均，可通过索引切片选取目标时段后，对time维度计算均值：

方法1：按位置索引选取（适用于time维度为连续小时序列） #

# 假设已加载的数据集为ds
# 选取前24小时（time索引0到23）并求平均
u_24h_fixed_avg = ds['u'].isel(time=slice(0, 24)).mean(dim='time')

方法2：按时间范围选取（适用于time维度为datetime类型） #

若time是datetime格式，可直接指定时间区间：

import numpy as np

# 取起始时间后24小时的范围
start = ds.time[0].values
end = start + np.timedelta64(24, 'h')
u_24h_fixed_avg = ds['u'].sel(time=slice(start, end)).mean(dim='time')

2. 滑动24小时窗口平均（时序滚动平均） #

如果需要每个时间点对应过去24小时的滚动平均，使用xarray的rolling方法：

# 滚动窗口大小为24，center=False表示窗口包含当前时刻及之前23小时
u_rolling_24h_avg = ds['u'].rolling(time=24, center=False).mean()

# 可选：去除窗口不完整导致的前23个NaN值
u_rolling_24h_avg_clean = u_rolling_24h_avg.dropna(dim='time')

• center=True会将窗口中心设为当前时刻（前后各12小时），但边界时段（前12、后12个时间点）会因窗口不完整产生NaN。

注意事项 #

• 若time维度的时间步长不连续，建议先通过resample规整时间序列（如ds.resample(time='1h').mean()），再执行平均操作。
• 可通过print(ds.time)确认时间维度的具体信息，确保时段选取准确。

内容的提问来源于stack exchange，提问作者Nikos Lymperis