Сгладить/равел/свернуть 3-мерный xr.DataArray (Xarray) в 2 размера вдоль оси?

Question

У меня есть набор данных, где я храню репликации для разных классов/подтипов (не уверен, что назвать), а затем атрибуты для каждого. По существу, существует 5 подтипов/классов, 4 репликации для каждого подтипа/класса и 100 атрибутов, которые измеряются.

Есть ли способ, например np.ravel или np.flatten, который может объединить 2 габарита, используя Xarray?

В этом, я хочу объединить DIMS subtype и replicates поэтому у меня есть 2D массив (или pd.DataFrame с attributes vs. subtype/replicates

Он не обязательно должен иметь формат.. «Coord_1 | coord_2» или что-нибудь Это было бы полезно, если бы он сохранил оригинальные имена Корд. может быть, есть что-то вроде groupby, которые могли бы это сделать? Groupby всегда меня смущает, так что если это что-то родное для xarray, что было бы удивительным.

import xarray as xr 
import numpy as np 

# Set up xr.DataArray 
dims = (5,4,100) 
DA_data = xr.DataArray(np.random.random(dims), dims=["subtype","replicates","attributes"]) 
DA_data.coords["subtype"] = ["subtype_%d"%_ for _ in range(dims[0])] 
DA_data.coords["replicates"] = ["rep_%d"%_ for _ in range(dims[1])] 
DA_data.coords["attributes"] = ["attr_%d"%_ for _ in range(dims[2])] 

# DA_data.coords 
# Coordinates: 
# * subtype  (subtype) <U9 'subtype_0' 'subtype_1' 'subtype_2' ... 
# * replicates (replicates) <U5 'rep_0' 'rep_1' 'rep_2' 'rep_3' 
# * attributes (attributes) <U7 'attr_0' 'attr_1' 'attr_2' 'attr_3' ... 
# DA_data.dims 
# ('subtype', 'replicates', 'attributes') 

# Naive way to collapse the replicate dimension into the subtype dimension 
desired_columns = list() 
for subtype in DA_data.coords["subtype"]: 
    for replicate in DA_data.coords["replicates"]: 
     desired_columns.append(str(subtype.values) + "|" + str(replicate.values)) 
desired_columns 
# ['subtype_0|rep_0', 
# 'subtype_0|rep_1', 
# 'subtype_0|rep_2', 
# 'subtype_0|rep_3', 
# 'subtype_1|rep_0', 
# 'subtype_1|rep_1', 
# 'subtype_1|rep_2', 
# 'subtype_1|rep_3', 
# 'subtype_2|rep_0', 
# 'subtype_2|rep_1', 
# 'subtype_2|rep_2', 
# 'subtype_2|rep_3', 
# 'subtype_3|rep_0', 
# 'subtype_3|rep_1', 
# 'subtype_3|rep_2', 
# 'subtype_3|rep_3', 
# 'subtype_4|rep_0', 
# 'subtype_4|rep_1', 
# 'subtype_4|rep_2', 
# 'subtype_4|rep_3'] 

Answer 1

Да, Тхи s это именно то, что .stack для:

In [33]: stacked = DA_data.stack(desired=['subtype', 'replicates']) 

In [34]: stacked 
Out[34]: 
<xarray.DataArray (attributes: 100, desired: 20)> 
array([[ 0.54020268, 0.14914837, 0.83398895, ..., 0.25986503, 
     0.62520466, 0.08617668], 
     [ 0.47021735, 0.10627027, 0.66666478, ..., 0.84392176, 
     0.64461418, 0.4444864 ], 
     [ 0.4065543 , 0.59817851, 0.65033094, ..., 0.01747058, 
     0.94414244, 0.31467342], 
     ..., 
     [ 0.23724934, 0.61742922, 0.97563316, ..., 0.62966631, 
     0.89513904, 0.20139552], 
     [ 0.21157447, 0.43868899, 0.77488211, ..., 0.98285015, 
     0.24367352, 0.8061804 ], 
     [ 0.21518079, 0.234854 , 0.18294781, ..., 0.64679141, 
     0.49678393, 0.32215219]]) 
Coordinates: 
    * attributes (attributes) |S7 'attr_0' 'attr_1' 'attr_2' 'attr_3' ... 
    * desired  (desired) object ('subtype_0', 'rep_0') ... 

Образовавшихся сложена координатой является pandas.MultiIndex, значение которых приведены кортежами:

In [35]: stacked['desired'].values 
Out[35]: 
array([('subtype_0', 'rep_0'), ('subtype_0', 'rep_1'), 
     ('subtype_0', 'rep_2'), ('subtype_0', 'rep_3'), 
     ('subtype_1', 'rep_0'), ('subtype_1', 'rep_1'), 
     ('subtype_1', 'rep_2'), ('subtype_1', 'rep_3'), 
     ('subtype_2', 'rep_0'), ('subtype_2', 'rep_1'), 
     ('subtype_2', 'rep_2'), ('subtype_2', 'rep_3'), 
     ('subtype_3', 'rep_0'), ('subtype_3', 'rep_1'), 
     ('subtype_3', 'rep_2'), ('subtype_3', 'rep_3'), 
     ('subtype_4', 'rep_0'), ('subtype_4', 'rep_1'), 
     ('subtype_4', 'rep_2'), ('subtype_4', 'rep_3')], dtype=object)