如何在Xarray中高效实现月均值扣除对应年均值？

你遇到的问题核心是年均值数据的时间维度长度（每年1个值）和原始月度数据（每年12个值）不匹配，直接相减无法自动广播。以下两种Xarray原生的高效方法可以替代循环：

方法1：使用groupby + transform（推荐） #

利用groupby('time.year')按年份分组，再通过transform将分组计算的年均值扩展为和原数据同形状的数组，直接完成匹配：

# 按年份分组计算均值，并扩展为原数据的时间维度长度
yearly_mean_matched = da.groupby('time.year').transform('mean')
# 计算月度数据与对应年均值的差值
anomaly = da - yearly_mean_matched

transform会自动把每个年份的均值填充到该年的所有月份，无需手动处理维度对齐，代码简洁且性能最优。

方法2：基于已有的yearly_mean重索引填充 #

如果你已经通过resample得到了yearly_mean，可以通过reindex结合前向填充，将年均值扩展到月度时间序列：

# 将年均值数据的时间轴对齐到原月度数据，用前向填充补全年内所有月份的值
yearly_mean_matched = yearly_mean.reindex(time=da.time, method='ffill')
# 计算差值
anomaly = da - yearly_mean_matched

这种方法适合已经生成了年均值数据的场景，ffill会把每年的均值重复填充到该年的12个月份，保证两个数组维度完全一致。

两种方法都是Xarray的向量化操作，内部基于numpy优化，比Python循环效率高得多，尤其是处理大尺度数据时优势明显。

内容的提问来源于stack exchange，提问作者RogUE