如何在xarray数据集指定坐标范围批量设值并保留原分辨率？

我有一个覆盖经度9至30、纬度54至66的xarray数据集，希望将指定坐标范围（lonc=15-20、latc=59-61）内的所有变量值设置为-1。但使用isel/iloc/sel/loc等方法会得到远小于原数据集的子集，我需要保留原分辨率的数据集。

示例代码如下：

#!/usr/bin/env ipython
import xarray as xr
import numpy as np
# --------------------------
xvals = np.arange(9,30,1);nx = np.size(xvals);
yvals = np.arange(53,66,0.5);ny = np.size(yvals);
# -----------------------------------------------
data_a = np.random.random((ny,nx));
data_b = np.random.random((ny,nx));
somedata = xr.Dataset(data_vars={'data_a':(('latc','lonc'),data_a),'data_b':(('latc','lonc'),data_b)},coords={'lonc':('lonc',xvals),'latc':('latc',yvals)})
# -----------------------------------------------
# How to set all data variables in somedata at coordinate range lonc = 15-20 and latc=59-61 to -1e0 using xarray?

我可以通过NumPy实现该需求：

# -----------------------------------------------
# NumPy:
xm, ym = np.meshgrid(xvals,yvals);
kk = np.where((xm>15) & (ym>59) & (xm<20) &(ym<61))
data_a[kk] = -1.e0;
data_b[kk] = -1.e0;
somedata['data_a'][:] = data_a;
somedata['data_b'][:] = data_b;
somedata.to_netcdf('test.nc')
# -----------------------------------------------

请问是否存在使用xarray实现该需求的更简洁方法？

当然有，xarray提供了直接基于坐标范围修改原数据集的方法，无需提取子集或借助NumPy手动处理，更简洁且易读：

方法1：使用xr.where批量修改所有变量 #

xr.where可以根据条件对整个数据集的变量进行赋值，同时保留原数据集的结构和分辨率：

# 定义筛选条件
condition = (somedata.lonc > 15) & (somedata.lonc < 20) & (somedata.latc > 59) & (somedata.latc < 61)
# 对所有变量应用条件：满足条件的设为-1，否则保留原值
somedata_updated = somedata.where(~condition, -1.0)
# 保存结果
somedata_updated.to_netcdf('test_xarray.nc')

方法2：直接定位坐标范围修改（原地修改） #

如果需要直接修改原数据集而不是创建副本，可以结合sel的slice参数和赋值操作：

# 直接对指定坐标范围内的所有变量赋值
somedata.loc[dict(latc=slice(59, 61), lonc=slice(15, 20))] = -1.0
# 保存结果
somedata.to_netcdf('test_xarray_inplace.nc')

注意：slice是左闭右开区间，如果需要包含边界值，可调整参数（比如slice(59, 61.0001)），确保覆盖步长为0.5的61纬度点。

对比优势 #

• 无需手动生成网格或索引，直接基于坐标条件操作，代码更简洁
• 支持批量处理所有变量，无需逐个修改data_a、data_b
• 保留原数据集的所有维度、坐标和属性，避免手动重建数据集的麻烦

内容的提问来源于stack exchange，提问作者msi_gerva