参考 Xarray官方文档 ， Python气象数据处理进阶之Xarray(1)：Xarray的数据结构
在Xarray中，数据是由结构和标签的，分为以下几种：
1.DataArray:
带有标注或命名维度的多维数组。DataArray将metadata（例如：维名称，坐标和属性）添加到基础的 未标记 的数据结构，例如numpy和Dask数组。
2.Datasets:
具有类似字典结构的尺寸对其的DataArray对象的 集合 。因此，可以在单个DataArray的维度上执行的大多数操作都可以在Dataset上执行。
Dataset是多个DataArray的集合
3.Variable:
类似于NetCDF的变量。由dimensions，data和attributes组成。variable和numpy数组之间的主要功能区别在于，对variable的数字运算可以通过 维名称 实现数组广播。
通俗的讲，variables < DataArray < Dataset (<指包含于)。这种解释不完全正确，但是初学者可以这样理解。
Xarray通过对维命名的操作实现数据筛选和处理，实现数据的标记和命名通过以下几个定义实现：
* Dimension : 每一轴的维名称(e.g.,('x','y','z'))。
* Coordinate : 坐标或刻度。类似于字典的序列，将每个点标记。比如说dimension是纬度，那么对应的coordinate就是纬度坐标(90°N，89°N，88°N……89°S，90°S)。
* Index : 索引号，也可以说是位置标号。a[0]代表a数组的一个数，0就是index。
可以看到，该文件是一个Datasets，里面含有变量：Data Variables，数据集的维度有经度纬度和时间，各自有各自的坐标Coordinates，同样数据集还有一些属性来表明数据集信息。
我们可以通过：
来分别查看数据集中包含的变量，维，坐标。
再比如NCEP的位势高度资料：
基本同上。
需要说明的是，ncl数据中存在short格式，在读取时需要使用short2flt()函数，但是在Python中不存在short格式，默认均为float，无需考虑这一点。
有时我们通过其他手段读取了相关数据，但是数据是np.array格式的，我们需要将其转换为DataArray，亦或我们需要输出一个NC文件，需要将计算后的数组转为DataArray格式，这就用到了创建的方法。
1.Data: 数据，可以是numpy ndarray，series，DataFrame，pandas.panel等格式
2.coords: 坐标列表或字典
如果是列表，则应为元组列表。其中第一个元素为dimension name，第二个元素是对应的坐标array_like对象。
用字典格式比较好
3.dims: 维名称列表
如果省略，并且coords是元组列表，则维度名称取自coords。
4.attrs: 属性
5.names: 变量名
以上，除了data外，都不是必须的。
创建示例如下：
上面提到，除了data以外，其他都是不必要的
如果是从一个DataFrame数据转化为DataArray的话（这种操作通常是为了将Pandas和Xarray联合使用）：
会自动识别行列的名称和序号。
官方文档还有更复杂的例子，需要的话再去官网查看。
在创建了数据之后，我们同样可以使用相关的操作获取DataArray的各种信息：
如果想对DataArray的值修改可以通过以下两种方法：
两种结果是等价的，但官方只给出了第一种方法。
*通过指令 foo.rename('temperature') 改名，比如通过hgt计算得到了一个新变量，需要改名，就可以用这个指令。
在得到一个DataArray后，用于画图时，比如我们需要获取它的经度和纬度（在这里，刚刚的例子是时间和高度），那么可以直接通过
这两种方式取出坐标信息。
要修改或者删除某坐标信息的话，原理和修改数据是一样的：
官网给出一个以气候数据为例的Dataset结构：
<center>
</center>
一个数据集，包含了数据主体(Temperature,Precipitation)，维度坐标(latitude,longitude)。
根据官网的例子，一个Dataset是这样创建的，实际上与DataArray类似：
实际上这个例子与我们通常接触的不太一样，因为大部分数据的lat和lon都是一维的。
对Dataset的操作和DataArray基本一致，不再重复。