如何在xarray日数据集月度重采样时，有效数据不足则输出NaN？

要实现有效天数占比不足50%时输出NaN的月度重采样，可以通过统计有效天数占比结合均值过滤来完成，具体有两种实现方式：

分步实现（清晰直观） #

1. 统计每月有效数据天数与当月总天数，计算占比

# 统计每月各变量的有效数据天数
valid_days = ds.resample(time='1MS').count(dim='time')
# 获取每个月的总天数
total_days = ds.resample(time='1MS').first().time.dt.days_in_month
# 计算有效天数占比
valid_ratio = valid_days / total_days

2. 计算月度均值，过滤占比不足50%的结果

# 先计算常规月度均值
monthly_mean = ds.resample(time='1MS').mean(dim='time')
# 仅保留有效天数占比≥50%的结果，其余设为NaN
monthly_mean_filtered = monthly_mean.where(valid_ratio >= 0.5)

链式调用（简洁高效） #

通过apply方法在重采样时直接完成判断与计算，无需拆分步骤：

monthly_mean_filtered = (
    ds.resample(time='1MS')
    .apply(lambda x: x.mean() if (x.count() / x.time.dt.days_in_month.iloc[0]) >= 0.5 else float('nan'))
)

注：该方法会自动对数据集中所有变量生效，无需单独处理每个变量。

内容的提问来源于stack exchange，提问作者dr226