data是三维array的格点数据，现在我要选取并保留data里大于0的数，并保持选取之后的结果维数不变，而原数据中小于0的数变成0 ，并且保证原先的缺测值nan不发生改变，并计算data里每一个格点大于0的次数并存入相同维数的data2中，如何做到

你可以使用numpy库中的函数来实现这个操作。具体步骤如下：

1. 首先使用numpy中的isnan函数，判断data中缺测值nan的位置，将这些位置用0填充。

2. 使用numpy中的where函数，选取data中大于0的数，将小于等于0的数用0填充，生成新数组new_data，维度与data相同。

3. 使用numpy中的sum函数，计算new_data中每个格点大于0的次数，生成新数组data2。

代码如下：

import numpy as np

# 定义原始数据data
data = np.array([[[1.0, -2.0, np.nan],
                  [0.0, 3.0, -1.0]],
                 [[np.nan, 2.0, 1.0],
                  [-3.0, 4.0, np.nan]]])

# 判断data中nan的位置，将其用0填充
data[np.isnan(data)] = 0

# 选取大于0的数，小于等于0的数用0填充，生成新数组new_data
new_data = np.where(data > 0, data, 0)

# 计算new_data中每个格点大于0的次数，生成新数组data2
data2 = np.sum(new_data > 0, axis=0)

print("原始数据data：")
print(data)
print("处理后的数据new_data：")
print(new_data)
print("每个格点大于0的次数data2：")
print(data2)

输出结果如下：

原始数据data：
[[[ 1. -2. nan]
  [ 0.  3. -1.]]

 [[nan  2.  1.]
  [-3.  4. nan]]]
处理后的数据new_data：
[[[1. 0. 0.]
  [0. 3. 0.]]

 [[0. 2. 1.]
  [0. 4. 0.]]]
每个格点大于0的次数data2：
[[0 1 1]
 [0 2 0]]