将熊猫DataFrame网格化为多维X数组数据集？

Question

有没有办法在不使用循环的情况下将“行格式”数据集网格化为xarray数据集？

具体地说，我想要一个数组，如果没有指定任何值，(lat，lon，time)网格中的所有值都是0。我知道pandas中的.to_xarray()方法(https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.to_xarray.html)，但这不会完全覆盖所需的坐标(经度、经度、时间)。玩具示例如下：

import pandas as pd
import xarray as xr 

# row data to be gridded
data = {'lats':[0,0,2], 'lons':[1,2,0], 'times':[0,1,2], 'values':[20,50,30]}
df_rows = pd.DataFrame(data)

# desired coordinates to grid onto:
lat = [0,1,2]
lon = [0,1,2]
time= [0,1,2]

# general form of the desired output Dataset
df_grid = xr.Dataset(data_vars={'data':(('lon','lat','time'), df_rows)},
                     coords={'lat': lat,
                             'lon': lon,
                             'time':time})

Answer 1

xr.Dataset.from_dataframe的方法可以做到：

import pandas as pd
import xarray as xr

# row data to be gridded
data = {"lat": [0, 0, 2], "lon": [1, 2, 0], "time": [0, 1, 2], "values": [20, 50, 30]}
df_rows = pd.DataFrame(data).set_index(["time", "lon", "lat"])

ds = xr.Dataset.from_dataframe(df_rows)

ds是一个具有三维/坐标的xarray.Dataset，以及一个3x3x2数据块的变量values。

将time、lon和lat设置为df_rows中的索引非常重要，因为这些列将被理解为坐标。

请注意，此方法将使用未指定values的坐标元组的nan填充变量values。