基于Xarray计算十年间各季节（DJF/MAM/JJA/SON）最大降雨量

嘿，我明白你的问题了——你现在的代码是把所有年份里同一个季节的降雨量混在一起取最大值，所以只得到4个季节的结果，但你要的是每一年每个季节的最大降雨量，对吧？

其实很简单，我们只需要调整分组的方式，把「年份」和「季节」作为组合键一起分组就行，Xarray完全支持多维度的分组操作。

具体步骤和代码示例 #

1. 组合年份+季节分组计算最大值 #

直接用groupby同时传入time.year和time.season两个分组键，这样就能把数据按「某年某季节」拆分成独立的小组，再对每个小组计算时间维度的最大值：

# 按年份和季节组合分组，计算每个组的时间维度最大降雨量
yearly_seasonal_max = ds.groupby(['time.year', 'time.season']).max('time')

# 查看结果形状：假设是10年，结果应该是(40, 145, 192)，或者按(year, season)展开的(10,4,145,192)
print(yearly_seasonal_max.shape)

2. 整理维度（可选） #

如果希望结果的维度更直观，比如把「季节」作为单独的维度（而不是和年份混在一个MultiIndex里），可以用unstack方法把季节维度展开：

# 将分组后的MultiIndex展开，把season变成独立维度
yearly_seasonal_max_unstacked = yearly_seasonal_max.unstack('season')

# 现在形状会是(10, 4, 145, 192)，维度顺序为year → season → lat → lon
print(yearly_seasonal_max_unstacked.shape)

3. 注意季节划分（可选） #

默认情况下，Xarray的time.season是按北半球标准划分的：

• DJF：12月（前一年）、1月、2月
• MAM：3-5月
• JJA：6-8月
• SON：9-11月

如果你的数据是南半球的气象数据，需要调整季节起始月份，可以用dt.season的参数指定：

# 南半球季节划分，以6月为季节起始
ds['season'] = ds.time.dt.season(season_start_month=6)
# 再用新的season字段分组
yearly_seasonal_max_southern = ds.groupby(['time.year', 'season']).max('time')

这样处理后，你就能得到十年间每一年四个季节各自的最大降雨量结果啦。

内容的提问来源于stack exchange，提问作者Alex Morrison