如何按昼夜分组处理带时间与层级坐标的xarray DataArray数据？

xarray与pandas没有内置的昼夜属性可直接用于分组，你可以通过提取time坐标的小时数自定义判断规则，快速完成拆分，两种常用实现方式如下：

前置检查 #

首先确认你的time坐标为UTC时区，如果未设置时区或为其他时区，可先转换：

# 若time原本就是UTC时间，仅补充时区标记
da['time'] = da.time.dt.tz_localize("UTC")
# 若time为其他时区（比如北京时间），转换为UTC
# da['time'] = da.time.dt.tz_localize("Asia/Shanghai").dt.tz_convert("UTC")

方法1：布尔索引直接拆分（推荐，适合仅需拆分两个数组的场景） #

直接通过小时范围筛选time坐标，一步得到结果：

# 提取UTC时间的小时字段
hour_utc = da.time.dt.hour
# 筛选白天数据：6:00 <= 时间 < 18:00
da_day = da.sel(time=(hour_utc >= 6) & (hour_utc < 18))
# 筛选夜间数据：18:00 <= 时间 < 次日6:00
da_night = da.sel(time=~((hour_utc >= 6) & (hour_utc < 18)))

方法2：groupby分组（适合需要后续分组聚合运算的场景） #

如果需要后续对昼夜分组做统计（比如求昼夜均值、极值等），可以先新增昼夜标签再分组：

# 新增daynight坐标，标记每个时间点是白天(day)还是夜间(night)
da = da.assign_coords(
    daynight = (da.time.dt.hour >=6) & (da.time.dt.hour <18)
).assign_coords(
    daynight = lambda x: x.daynight.map({True:"day", False:"night"})
)
# 按昼夜分组
daynight_group = da.groupby("daynight")
# 提取对应分组的数据
da_day = daynight_group["day"]
da_night = daynight_group["night"]
# 也可直接做分组聚合，比如求所有层级的昼夜平均
# daynight_mean = daynight_group.mean(dim="time")

边界调整说明 #

当前默认规则为：6:00整计入白天、18:00整计入夜间，如有需要可自行修改hour_utc的判断条件调整边界。

内容的提问来源于stack exchange，提问作者Wind Circulation