xarray+dask处理大规模海洋气象数据

气象海洋领域，常常会涉及到大规模的数据处理，比如高时空分辨率的模式数据、雷达数据和卫星数据等。

大部分情况，我们一般只会涉及小规模数据处理，对计算效率并不会太过追求。但是当数据量变大时，低效的数据处理所耗费的时间非常明显，因此高效的数据处理方式尤为重要。

& c1 g1 v) K6 y3 ^

本篇以拟合一个高维数据的正太分布参数为例，介绍如何使用xarray+dask加速数据处理。

5 W! |) I7 j8 q+ ]8 `3 V

数据维度X[time, lev, lat, lon]，需要对三维空间每一点，沿着时间维度做正太分布拟合(正太分布拟合只是作为例子，这里可以定义你需要的操作函数)。

其中几个关键点解释一下：

（1）首先定义拟合正太分布的函数

def norm_fit(data): loc, scale = st.norm.fit(data) return np.array([loc, scale])

这里需要注意的是，拟合的函数，输出参数，需要打包为一个数组。并且它的维度需要和后面aplly_ufun定义的输出维度一致。

（2）xarray分块

x = xr.DataArray(rs.randn(500, 20, 1500, 1500), dims=["time", "lev", "lat","lon"]) x = x.chunk({"lev":5, "lat":100,"lon":100})

xarray结合dask可以将一个大型数组分成一个个数据块（chunk），需要注意的是我们需要沿着时间维操作，拟合需要整个时间维度的数据，因此时间维time不能分块，只能对其他维度分块。

（3）xarray.apply_ufunc函数

. R9 B, ?) W9 H1 C# z: P

result = xr.apply_ufunc(norm_fit, ( c* K2 N2 s' V- b# S: D' s x, - @4 I" J6 H) j+ w: L. w/ y: Y$ N input_core_dims=[["time"]], output_core_dims=[["paras"]], dask="parallelized", output_dtypes=[np.float], dask_gufunc_kwargs={output_sizes:{"paras":2}} * j2 U* Q8 G9 F% j$ b) U9 z- X) m )

apply_ufunc函数具体可以参考官网教程，这里只说使用时遇到的困难，即如何定义输出维度：输出维度是用output_core_dim定义的，将输出的拟合参数（期望和标准差）定义为paras维度，维度的大小为2，通过output_sizes参数设置。这样我们输入[time, lev, lat, lon]的数据，在每个空间点对时间维度拟合之后，输出的数据为[lev, lat, lon, paras]。（PS: 这里感谢深雨露大佬的指点）

以下是全部代码：

4 w: o% A' y( l3 i3 u5 C

from scipy import stats as st " K, _: u6 f. v0 D' K9 S import xarray as xr - I6 ^3 n& L- y- ~: Z import dask import numpy as np from dask.diagnostics import ProgressBar ' D6 M6 w& M9 I def norm_fit(data): ; _5 Z- b4 k: C4 |9 r5 g loc, scale = st.norm.fit(data) " Y$ N- Q. x7 x2 p; { return np.array([loc, scale]) rs = np.random.RandomState(0) $ N) c! C/ W( w) u& f" w% g7 o2 s x = xr.DataArray(rs.randn(500, 20, 1500, 1500), dims=["time", "lev", "lat","lon"]) + k* {/ |$ k$ s, }4 {) Y3 g. T x = x.chunk({"lev":5, "lat":100,"lon":100}) % A7 b: M( V* x8 [ #使用apply_ufunc计算，并用dask的并行计算 result = xr.apply_ufunc(norm_fit, 1 M& C% g% i( m& ?+ Z x, : H* a4 n8 N) Q6 R input_core_dims=[["time"]], output_core_dims=[["paras"]], 5 o: v4 `' Y# ]0 E7 f- P dask="parallelized", ; ^3 l9 ?$ h$ z9 n8 ` output_dtypes=[np.float], dask_gufunc_kwargs={output_sizes:{"paras":2}} 1 V5 C W2 ~, B! ?& j4 x ) - ?( m2 `; y2 c% ^5 ]9 E U. a( V8 M8 T. Y% r #compute进行真实的计算并显示进度 with ProgressBar(): result = results.compute() #结果冲命名保存到nc文件 6 B. W+ r9 m) T' S9 T! x! ?- W% d4 u result = result.rename("norm_paras") result = result.to_netcdf("norm_fit_paras.nc",compute=False) with ProgressBar(): result.compute()

$ I$ H% g2 h3 \/ y, V

转自：气海同途

. s$ z% m' w$ l/ G2 K' f- z) X

关注【Ai尚研修科研技术平台】公众号，查看更多课程安排及免费数据资料