Python多维数组拟合/趋势/回归

XiaoMaFenJu

数据size：50*721*1440 （时间*纬度*经度）（nc文件）
需求：求各点的平均变化趋势，即相当于进行一次拟合/回归并求各点拟合/回归系数
问题：一维数据可以使用numpy.polyfit()函数，但其不支持三维及以上数据，而对各点进行循环又耗时过长（25mins）
解决方法：使用xarray.DataArray.polyfit or xarray.Dataset.polyfit
      大白话就是用xarray读nc，选所需变量直接后面加.polyfit()并选dim和deg，如：

1. ds_pre = xr.open_dataset(filepath)
   
2. a = ds_pre['t2m'].polyfit(dim='time',deg=1)
   
3. print(a)
   
4. print(a['polyfit_coefficients'][0,:,:])

复制代码

解决过程：找到一大碗年糕在22年7月发的帖子：“最方便的python回归分析”中使用的GeoCAT-comp库有ndpolyfit函数，但官方文档已经在22年10月删除了这个函数，并建议使用xarray的polyfit。

一大碗年糕

是的新版的GeoCAT删掉了，目前看多维线性回归可以使用sacpy，效率高代码也简单明了
https://github.com/ZiluM/sacpy