使用Xarray计算1950-2020年大气数据逐十年均值的问题咨询

以下两种方案均可生成兼容netCDF格式的计算结果，不会出现数据类型转换错误：

方案1：基于已生成的年平均结果计算 #

• 第一步：为年平均数据集添加数值型十年标签

  ds_annual_means['decade'] = (ds_annual_means['year'] // 10) * 10
  

  运算会自动将1950-1959年的记录标签统一设为1950，1960-1969年设为1960，以此类推，标签为整型，不存在object类型问题。
• 第二步：按十年标签分组求均值

  ds_decade_means = ds_annual_means.groupby('decade').mean()
  

• 可选优化：若需保留datetime64[ns]类型的时间坐标，可将十年标签转换为对应区间的起始日期：

  import pandas as pd
  ds_decade_means = ds_decade_means.assign_coords(
      time = lambda x: [pd.to_datetime(f"{d}-01-01") for d in x['decade'].values]
  )
  # 可按需删除多余的decade字段
  ds_decade_means = ds_decade_means.drop_vars('decade')
  

方案2：直接从原始观测数据计算（精度更高） #

无需先单独计算年平均，直接从原始带time维度的数据集处理，避免两次平均带来的精度损失：

# 为原始数据集添加十年标签
ds['decade'] = (ds.time.dt.year // 10) * 10
# 直接分组计算十年均值
ds_decade_means = ds.groupby('decade').mean()

结果导出 #

两种方案输出的数据集均可直接调用xarray内置方法保存为nc文件：

ds_decade_means.to_netcdf("decade_mean_result.nc")

内容的提问来源于stack exchange，提问作者Maya WillStep