如何将自定义函数应用于xarray.DataArray.coarsen.reduce()？

Question

我有一个 (2x2) NumPy 数组：

ar = np.array([[2, 0],[3, 0]])

和xarray.DataArray形式相同：

da = xr.DataArray(ar, dims=['x', 'y'], coords=[[0, 1], [0, 1]])

我正在尝试使用自定义函数对二维数组进行空间下采样以查找众数（即最常出现的值）：

def find_mode(window):
    # find the mode over all axes 
    uniq = np.unique(window, return_counts=True)
    return uniq[0][np.argmax(uniq[1])]

find_mode()

对于

ar

效果很好，因为

find_mode(ar)

给出

0

。

但是，它不适用于

da

（即

da.coarsen(x=2, y=2).reduce(find_mode)

），并出现错误：

TypeError: find_mode() got an unexpected keyword argument 'axis'

非常感谢您的关注和参与。

Answer 1

传递给

DatasetCoarsen.reduce

的函数签名必须包含

axis

和

kwargs

。一个很好的例子是

np.sum

。所以你的函数需要看起来像这样：

def find_mode(window, axis=None, **kwargs):
    # find the mode over all axes 
    uniq = np.unique(window, return_counts=True)
    
    ret = uniq[0][np.argmax(uniq[1])]
    ret = np.atleast_2d(ret)

    return ret

根据您的应用程序，您可能需要使用

axis

参数（整数元组）来代替

[0]

和

[1]

索引步骤。

注意：我在此处添加了

np.atleast_2d

以确保返回数组是二维的。这有点难看，所以我建议在您的应用程序中更多地考虑这部分。要理解的关键是返回数组需要与输入数组具有相同的维数。

Answer 2

更好的方法是使用

scipy.stats.mode

接受

axis

参数。

def find_mode(arr, axis):
    m = stats.mode(arr, axis=axis)
    return m[0]