С помощью xarray, как распараллелить 1D операции на многомерном наборе данных? - PullRequest
Новая
       9

С помощью xarray, как распараллелить 1D операции на многомерном наборе данных?

0 голосов
/ 30 августа 2018

У меня есть 4D набор данных xarray. Я хочу провести линейную регрессию между двумя переменными в определенном измерении (здесь время) и сохранить параметры регрессии в трехмерном массиве (оставшиеся измерения). Мне удалось получить желаемые результаты с помощью этого серийного кода, но он довольно медленный: 

# add empty arrays to store results of the regression
res_shape = tuple(v for k,v in ds[x].sizes.items() if k != 'year')
res_dims = tuple(k for k,v in ds[x].sizes.items() if k != 'year')
ds[sl] = (res_dims, np.empty(res_shape, dtype='float32'))
ds[inter] = (res_dims, np.empty(res_shape, dtype='float32'))
# Iterate in kept dimensions
for lat in ds.coords['latitude']:
    for lon in ds.coords['longitude']:
        for duration in ds.coords['duration']:
            locator = {'longitude':lon, 'latitude':lat, 'duration':duration}
            sel = ds.loc[locator]
            res = scipy.stats.linregress(sel[x], sel[y])
            ds[sl].loc[locator] = res.slope
            ds[inter].loc[locator] = res.intercept

Как я мог ускорить и распараллелить эту операцию?

Я понимаю, что apply_ufunc может быть вариантом (и может быть распараллелен с dask), но мне не удалось получить правильные параметры.

Следующие вопросы связаны, но без ответа:

Изменить 2: переместить предыдущее изменение в ответ

1 Ответ

0 голосов
/ 30 августа 2018

Можно применить scipy.stats.linregress (и другие не-уфунки) к набору данных xarray, используя apply_ufunc(), передав vectorize=True следующим образом: 

# return a tuple of DataArrays
res = xr.apply_ufunc(scipy.stats.linregress, ds[x], ds[y],
        input_core_dims=[['year'], ['year']],
        output_core_dims=[[], [], [], [], []],
        vectorize=True)
# add the data to the existing dataset
for arr_name, arr in zip(array_names, res):
    ds[arr_name] = arr

Хотя все еще последовательный, apply_ufunc примерно в 36 раз быстрее, чем реализация цикла в этом конкретном случае.

Однако распараллеливание с dask по-прежнему не реализовано с несколькими выходами, например, из scipy.stats.linregress:

NotImplementedError: несколько выходов из apply_ufunc еще не поддерживаются с dask = 'parallelized'

...