如何计算两个N维xarray的皮尔逊相关系数以用于泰勒图绘制

你遇到的问题根源来自函数对输入数据的维度要求不匹配，以下是两种可直接落地的实现方案：

方案1：使用xarray原生xr.corr函数（最简便，适配你的数据结构） #

xarray自带的相关计算函数会自动处理维度匹配、缺失值过滤，不需要手动循环或处理矩阵，直接按季节输出单个相关值：

import xarray as xr

# 假设文件1导入后的DataArray名为da1，文件2导入后的DataArray名为da2
# 指定在lat、lon维度上计算相关，保留season维度，每个季节对应一个结果
season_corr = xr.corr(da1, da2, dim=["lat", "lon"])

得到的season_corr是长度为4的DataArray，对应四个季节的皮尔逊相关系数：

• 查看所有季节的相关值：直接执行print(season_corr)
• 提取单个季节的数值用于泰勒图绘制：比如season_corr.sel(season='DJF').item()

方案2：基于scipy的pearsonr实现（手动循环适配维度） #

如果你需要保留scipy的计算逻辑，需要手动拆分季节、过滤缺失值后再传入函数：

from scipy.stats import pearsonr
import numpy as np

corr_result = []
for season in da1.season:
    # 提取单个季节的降水数据，展平为1维数组
    arr1 = da1.sel(season=season).values.flatten()
    arr2 = da2.sel(season=season).values.flatten()
    # 过滤掉两个数组中任意一方为缺失值的格点
    valid_mask = ~np.isnan(arr1) & ~np.isnan(arr2)
    # 计算相关系数，pearsonr返回（相关值, 显著性p值），取第一个元素即可
    r, p = pearsonr(arr1[valid_mask], arr2[valid_mask])
    corr_result.append(r)

# 转换为xarray格式方便后续调用，结果和方案1完全一致
season_corr = xr.DataArray(corr_result, coords={"season": da1.season}, dims=["season"])

问题原因说明 #

• numpy的corrcoef返回的是两两相关矩阵，传入两个1维数组时，矩阵的[0,1]或[1,0]位置才是需要的相关值，需要手动提取，且需要额外处理缺失值和维度循环。
• scipy的pearsonr仅支持1维数组作为输入，直接传入3维的xarray对象时，函数内部逻辑判断无法处理多维数组，就会抛出歧义报错。

内容的提问来源于stack exchange，提问作者Jessica