Как построить неправильную широту и долготу в xarray?

Question

У меня есть файл netcdf с ежедневными данными за месяц. В этом файле содержится irregular latitude and longitude точек данных. Я хочу создать график time[0] или любое время из этих данных, но результат кажется неверным. Как я могу показать сюжет с nan-space?

файл данных https://www.dropbox.com/s/ll35zh4k5ws7nnh/day1.nc?dl=0

код

import xarray as xr
month_daily1 = xr.open_dataset('/Daily_Month/1/day1.nc')
month_daily1

<xarray.Dataset>
Dimensions:                 (Lat: 175, Lon: 200, time: 31)
Coordinates:
  * time                    (time) datetime64[ns] 2018-01-01 ... 2018-01-31
  * Lat                     (Lat) float64 29.92 29.93 29.94 ... 33.0 33.01 33.02
  * Lon                     (Lon) float64 47.61 47.62 47.63 ... 50.5 50.51 50.52
Data variables:
    Alt                     (time, Lat, Lon) float64 ...
    Temperature             (time, Lat, Lon) float64 ...
    Relative Humidity       (time, Lat, Lon) float64 ...
    Wind speed              (time, Lat, Lon) float64 ...
    Wind direction          (time, Lat, Lon) float64 ...
    Short-wave irradiation  (time, Lat, Lon) float64 ...


# convert kelvin to celsius
data_nonnull = month_daily1.dropna(dim ='time', how='all')
air = data_nonnull.Temperature - 273.15
air


<xarray.DataArray 'Temperature' (time: 31, Lat: 175, Lon: 200)>
array([[[nan, nan, ..., nan, nan],
        [nan, nan, ..., nan, nan],
      ...,

       [[nan, nan, ..., nan, nan],
        [nan, nan, ..., nan, nan],

       [[nan, nan, ..., nan, nan],
        [nan, nan, ..., nan, nan],

Coordinates:
  * time     (time) datetime64[ns] 2018-01-01 2018-01-02 ... 2018-01-31
  * Lat      (Lat) float64 29.92 29.93 29.94 29.95 ... 32.99 33.0 33.01 33.02
  * Lon      (Lon) float64 47.61 47.62 47.63 47.64 ... 50.41 50.5 50.51 50.52


%matplotlib inline

import matplotlib.pyplot as plt
ax = plt.subplot(projection=ccrs.PlateCarree())
air2d = air.isel(time= 0)
air2d.plot.pcolormesh('Lon', 'Lat');

Результат

Answer 1

Я не так хорош с XArray, поэтому предлагаю решение с модулем netCDF4:

#!/usr/bin/env ipython
import xarray as xr
import matplotlib as mpl
mpl.use('tkagg')
import cartopy.crs as ccrs
import matplotlib.pyplot as plt
# =======================================================
from netCDF4 import Dataset
ncin=Dataset('day1.nc');
tempin=ncin.variables['Temperature'][0,:,:]- 273.15;
lonin=ncin.variables['Lon'][:];
latin=ncin.variables['Lat'][:];
ncin.close()
# -------------------------------------------------------
from scipy.interpolate import griddata
import numpy as np
kk=np.where(np.isnan(np.array(tempin).flatten())==False)
lonm,latm=np.meshgrid(lonin,latin);
tinterp=griddata((lonm.flatten()[kk],latm.flatten()[kk]),tempin.flatten()[kk],(lonm,latm));

ax = plt.subplot(121,projection=ccrs.PlateCarree())
ax.pcolormesh(lonin,latin,tempin);
ax = plt.subplot(122,projection=ccrs.PlateCarree())
ax.pcolormesh(lonin,latin,tinterp);
plt.show()

Окончательные результаты выглядят так: слева - оригинал, а справа - интерполированный (рисунок нана упал).

Я могу предложить ответ, в котором я комбинирую данные массива XArray и Scipy, поскольку interpolate_na не очень хорошо работает (посмотрите на часть и результат с помощью filled_a, filled_b) для меня:

#!/usr/bin/env ipython
import xarray as xr
import matplotlib as mpl
mpl.use('tkagg')
import cartopy.crs as ccrs
import matplotlib.pyplot as plt
# =======================================================
month_daily1 = xr.open_dataset('day1.nc')

# convert kelvin to celsius
data_nonnull = month_daily1.dropna(dim ='time', how='all')
air = data_nonnull.Temperature - 273.15
air2d = air.isel(time= 0)
# =======================================================
ax = plt.subplot(121,projection=ccrs.PlateCarree())
air2d.plot.pcolormesh('Lon', 'Lat');
ax = plt.subplot(122,projection=ccrs.PlateCarree())
filled_a=air2d.interpolate_na(dim='Lat');
filled_b=filled_a.interpolate_na(dim='Lon');
filled_c=filled_b.interpolate_na(dim='Lat');
filled_c.plot.pcolormesh('Lon', 'Lat');
plt.show()
# =======================================================
tempin=air2d.values[:];
lonin=air2d.Lon
latin=air2d.Lat
# -------------------------------------------------------
from scipy.interpolate import griddata
import numpy as np
kk=np.where(np.isnan(np.array(tempin).flatten())==False)
lonm,latm=np.meshgrid(lonin,latin);
tinterp=griddata((lonm.flatten()[kk],latm.flatten()[kk]),tempin.flatten()[kk],(lonm,latm));

ax = plt.subplot(121,projection=ccrs.PlateCarree())
ax.pcolormesh(lonin,latin,tempin);
ax = plt.subplot(122,projection=ccrs.PlateCarree())
ax.pcolormesh(lonin,latin,tinterp);
plt.show()