如何使用Xarray计算DJF及12月/1月DJ冬季季节平均值

DJ（12月-次年1月）双月平均实现 #

推荐用自定义冬季分组的方法，逻辑清晰可控，适配所有非标准跨年度季节计算：

# 1. 生成冬季所属年份标签：12月归属下一年，其余月份归属当前年
winter_year = ds.time.dt.year.where(ds.time.dt.month != 12, ds.time.dt.year + 1)
# 2. 筛选DJ时段（仅保留12月、1月的数据）
dj_data = ds.sel(time=ds.time.dt.month.isin([12, 1]))
# 3. 按冬季年份分组求平均，得到每年的DJ季节平均
dj_mean = dj_data.groupby(winter_year.sel(time=dj_data.time)).mean(dim="time")
# 可选：将维度重命名为winter_year更符合语义
dj_mean = dj_mean.rename({"time": "winter_year"})

如果需要计算DJF平均，只需将第二步的月份筛选条件改为isin([12, 1, 2])即可，无需修改其他逻辑。 #

重采样法实现DJ平均（可选） #

如果你更习惯用重采样逻辑，可通过自定义重采样参数实现：

# 以2个月为周期重采样，偏移设置适配12月-次年1月的分组逻辑，最终筛选2月标记的分组即为DJ平均
dj_mean = ds.resample(
    time="2MS", 
    offset="-1 month", 
    closed="left", 
    label="right"
).mean(dim="time").sel(time=ds.time.dt.month == 2)

结果校验建议 #

• 打印分组结果验证逻辑：print(dj_data.time.groupby(winter_year.sel(time=dj_data.time)).groups)，确认每个分组的时间为上一年12月+当年1月
• 单点手动计算校验：任选一个格点，手动计算1-2年的DJ平均结果和代码输出对比，避免逻辑误差

内容的提问来源于stack exchange，提问作者franke11