使用scipy.stats拟合xarray DataArray

Question

我想要计算xarray.DataArray时间维上拟合的统计分布的参数。

我想要创建一个函数，其功能如下：

from scipy import stats
import xarray as xr

def fit(arr):
    return xr.apply_ufunc(stats.norm.fit, arr, ...)

它返回一个新的DataArray，存储在时间维度上计算的分布的两个参数。因此，如果输入具有维度(时间、lat、lon)，则fit将返回具有维度(params、lat、lon)的DataArray。下一步是使用这些参数计算各种百分位数(例如，stats.norm.ppf)。

在许多不成功的试验之后，我怀疑apply_ufunc支持这个用例，我更愿意用

params = np.apply_along_axis(stats.norm.fit, arr.get_axis_num('time'), arr.data)

然后手动创建DataArray，复制维度和属性。

有什么想法？有什么建议吗？

下面是我最后做的事情，感觉有点像黑客：

# Fit the parameters (lazy computation)
data = dask.array.apply_along_axis(dc.fit, arr.get_axis_num('time'), arr)

# Create a DataArray with the desired dimensions to copy them over to the parameter array.
mean = arr.mean(dim='time', keep_attrs=True)
coords = dict(mean.coords.items())
coords['dparams'] = ([] if dc.shapes is None else dc.shapes.split(',')) + ['loc', 'scale']
out = xr.DataArray(data=data, coords=coords, dims=(u'dparams',) + mean.dims)
out.attrs = arr.attrs

Answer 1

Dask阵列包括一个类似于轴心，可能是最明显的起点。请注意，具有块集的xarray的每个变量都会自动将dask数组封装在.data属性中。您甚至可以直接传递xarray变量。