我有一个xarray DataArray，其中包含从1970年到2023年、十月至次年三月之间的每日数据，我想计算每天变量的平均值（例如所有1月1日的平均值）。

我的数据如下：

<xarray.DataArray 'u' (valid_time: 9990, latitude: 321, longitude: 361)> Size: 5GB
dask.array<getitem, shape=(9990, 321, 361), dtype=float32, chunksize=(260, 161, 181), chunktype=numpy.ndarray>
Coordinates:
    number          int64 8B 0
    pressure_level  float64 8B 500.0
  * latitude        (latitude) float64 3kB 0.0 -0.25 -0.5 ... -79.5 -79.75 -80.0
  * longitude       (longitude) float64 3kB -100.0 -99.75 -99.5 ... -10.25 -10.0
  * valid_time      (valid_time) datetime64[ns] 80kB 1970-01-01 ... 2023-12-31

我也尝试了 groupby，但只能按月或按日对数据进行分组（即按月的所有1日，不管月份），两者都无法同时实现。我可以对这些分组中的每一个再进行重新分组，但我猜还有更优雅的解决方案。对这些分组重新分组的结果是这样的：

da.groupby('valid_time.month')[1].groupby('valid_time.day')[1]

这将得到所有1月1日的日子，理论上我也可以把它推广到所有日期。

我还尝试了类似于 这篇帖子 中的方法：

da.groupby(da.index.strftime('%m-%d')).mean()

但我得到的提示是：

AttributeError: 'DataArray' object has no attribute 'index'

期望的结果应该是形状为 (D, 纬度, 经度) 的数组，其中D 是从10月1日到3月31日之间的天数（不包含已移除的2 月29日）。

解决方案

可以通过传入一个维度列表来按多个维度进行分组。

da.groupby(['valid_time.month', 'valid_time.day']).mean()