Xarray庫關于插值的操作內容不多，但是很實用叮叹，需要安裝scipy庫鸯乃。
首先我們還是創(chuàng)建一個DataArray:
da = xr.DataArray(np.sin(0.3 * np.arange(12).reshape(4, 3)),[('time', np.arange(4)),('lat', [30, 60, 90])])
print(da)
#<xarray.DataArray (time: 4, lat: 3)>
#array([[ 0. , 0.29552021, 0.56464247],
# [ 0.78332691, 0.93203909, 0.99749499],
# [ 0.97384763, 0.86320937, 0.67546318],
# [ 0.42737988, 0.14112001, -0.15774569]])
#Coordinates:
# * time (time) int64 0 1 2 3
# * lat (lat) int64 30 60 90
exp1
我們先對時間維插值，比如說這里有第0天切诀，1天，2天和3天搔弄，我們想獲取第1.5天的數據：
print(da.interp(time=1.5))
#<xarray.DataArray (lat: 3)>
#array([0.87858727, 0.89762423, 0.83647908])
#Coordinates:
# * lat (lat) int64 30 60 90
# time float64 1.5
可以看出實際上是對第1天和第2天的數據取了平均.
如果要往外插幅虑，比如說得到第3.5天的數據，得到的結果全是np.nan
也可以通過datetime格式的字符串指定插值時間：da.interp(time='2000-01-02')
也可以同時指定對多個維度插值da.interp(time=1.5顾犹，lat=45)
通過這個功能倒庵，就能實現不同網格的插值，甚至是站點數據到格點的插值炫刷。
exp2
這部分主要 是介紹幾種插值的方法
import matplotlib.pyplot as plt
da = xr.DataArray(np.sin(np.linspace(0, 2 * np.pi, 10)), dims='x',coords={'x': np.linspace(0, 1, 10)})
da.plot.line('o', label='original')
da.interp(x=np.linspace(0, 1, 100)).plot.line(label='linear (default)')
da.interp(x=np.linspace(0, 1, 100), method='cubic').plot.line(label='cubic')
plt.legend()
.interp()函數通過參數設置擎宝，可以實用不同的插值方法，比如linear線性浑玛，cubic立方等等
為了解決EXP1中提到的外插全是缺測的問題绍申，可以通過如下參數的設置進行調整：
# 用0填充
da.interp(x=np.linspace(-0.5, 1.5, 10), kwargs={'fill_value': 0.0})
#<xarray.DataArray (x: 10)>
#array([ 0. , 0. , 0. , 0.814, 0.604, -0.604, -0.814, 0. , 0. , 0. ])
#Coordinates:
# * x (x) float64 -0.5 -0.2778 -0.05556 0.1667 ... 0.8333 1.056 1.278 1.5
# 外推
da.interp(x=np.linspace(-0.5, 1.5, 10), kwargs={'fill_value': 'extrapolate'})
#<xarray.DataArray (x: 10)>
#array([-2.893, -1.607, -0.321, 0.814, 0.604, -0.604, -0.814, 0.321, 1.607, 2.893])
#Coordinates:
# * x (x) float64 -0.5 -0.2778 -0.05556 0.1667 ... 0.8333 1.056 1.278 1.5
原本小于0和大于1的部分是沒用數值的，但是通過這種方法顾彰，填充或外推出了對應的數值极阅。
exp3
接下來實現更高端一點的操作：
左圖表示通過索引，選取出了一條斜線涨享。
右圖表示通過插值筋搏，選取出了一條不在格點上的斜線。
這種方法灰伟，在我們繪制不規(guī)則垂直剖面時非常需要拆又。
da = xr.DataArray(np.sin(0.3 * np.arange(20).reshape(5, 4)),
[('x', np.arange(5)),('y', [0.1, 0.2, 0.3, 0.4])])
x = xr.DataArray([0, 2, 4], dims='z')
y = xr.DataArray([0.1, 0.2, 0.3], dims='z')
da.sel(x=x, y=y)
print(da.sel(x=x, y=y))
#<xarray.DataArray (z: 3)>
#array([ 0. , 0.42737988, -0.77276449])
#Coordinates:
# x (z) int64 0 2 4
# y (z) float64 0.1 0.2 0.3
#Dimensions without coordinates: z
以上代碼實現了左圖的操作。
da = xr.DataArray(np.sin(0.3 * np.arange(20).reshape(5, 4)),
[('x', np.arange(5)),('y', [0.1, 0.2, 0.3, 0.4])])
x = xr.DataArray([0.5, 1.5, 2.5], dims='z')
y = xr.DataArray([0.15, 0.25, 0.35], dims='z')
print(da.interp(x=x, y=y))
#<xarray.DataArray (z: 3)>
#array([ 0.55626357, 0.63496063, -0.46643289])
#Coordinates:
# x (z) float64 0.5 1.5 2.5
# y (z) float64 0.15 0.25 0.35
#Dimensions without coordinates: z
以上代碼實現了右圖的操作栏账。
Metpy庫中有類似操作的實現帖族，本質就是對這個函數的封裝。
exp4
接下來部分涉及到缺測值的問題挡爵。
da = xr.DataArray([0, 2, np.nan, 3, 3.25], dims='x',coords={'x': range(5)})
print(da.interp(x=[0.5, 1.5, 2.5]))
#<xarray.DataArray (x: 3)>
#array([ 1., nan, nan])
#Coordinates:
# * x (x) float64 0.5 1.5 2.5
可以看到默認設置是無法處理缺測值的竖般，可以首先去除缺測部分：
dropped = da.dropna('x')
print(dropped)
#<xarray.DataArray (x: 4)>
#array([0. , 2. , 3. , 3.25])
#Coordinates:
# * x (x) int64 0 1 3 4
print(dropped.interp(x=[0.5, 1.5, 2.5], method='cubic'))
#<xarray.DataArray (x: 3)>
#array([1.19010417, 2.5078125 , 2.9296875 ])
#Coordinates:
# * x (x) float64 0.5 1.5 2.5
但是這樣之后數組的shape發(fā)生了變化十分不方便。
XARRAY提供了填補缺測數據的方法：
filled = da.interpolate_na(dim='x')
print(filled)
#<xarray.DataArray (x: 5)>
#array([0. , 2. , 2.5 , 3. , 3.25])
#Coordinates:
# * x (x) int64 0 1 2 3 4
在填補之后茶鹃，在進行插值便可涣雕。
總結
Xarray關于插值的用法還是非常好用的艰亮，可以實現包括：
1、填補缺測
2挣郭、站點插格點
3迄埃、任意剖面截取
4、不同分辨率格點互插
5兑障、規(guī)則網格插非規(guī)則網格
6侄非、數據延長
等等操作，這邊的例子僅是參考官方文檔的一些基礎舉例流译。
