如何将Xarray DataArray的值作为维度添加至另一个DataArray并替换time维度？

需求背景 #

现有两个带x、y、time维度的DataArray（temperature和size），需要将time维度替换为temperature的唯一值（或分箱后的值），构建新的x、y、temperature维度数组，最终通过polyfit计算每个x/y组合下temperature与size的一阶回归系数。

解决方案 #

方法1：基于temperature唯一值重构数据 #

由于同一x/y下可能存在重复的temperature值，需先分组聚合再调整维度：

import xarray as xr
import numpy as np

# 生成示例数据
temperature = xr.DataArray(
    np.random.rand(5,5,30),
    coords=dict(x=range(5), y=range(5), time=range(30)),
    dims=('x','y','time')
)

size = xr.DataArray(
    np.random.rand(5,5,30),
    coords=dict(x=range(5), y=range(5), time=range(30)),
    dims=('x','y','time')
)

# 合并为Dataset统一处理
ds = xr.Dataset({'temperature': temperature, 'size': size})

# 按x、y、temperature分组，聚合size（此处用均值，可替换为median/sum等）
ds_grouped = ds.groupby(['x', 'y', 'temperature']).mean()

# 展开temperature为独立维度，得到目标数组
new_array = ds_grouped['size'].unstack(['temperature'])

# 执行一阶多项式回归
fit_results = new_array.polyfit(dim='temperature', deg=1)

方法2：分箱处理（适用于temperature唯一值过多的场景） #

通过分箱减少维度基数，再进行重构：

# 定义温度分箱区间（示例：分成10个等距区间）
temp_bins = np.linspace(temperature.min(), temperature.max(), 11)

# 按x、y和温度分箱分组，聚合size
ds_binned = ds.groupby_bins('temperature', bins=temp_bins).mean()

# 展开分箱维度为独立维度
new_array_binned = ds_binned['size'].unstack(['temperature_bins'])

# 执行回归分析
fit_results_binned = new_array_binned.polyfit(dim='temperature_bins', deg=1)

关键说明 #

• 原尝试的expand_dims无法满足需求，因为它只是新增维度而非替换/重组现有维度的数据结构，而groupby/groupby_bins才是实现“按temperature值重新组织size数据”的正确方式。
• 分组后的聚合步骤是必须的：xarray要求坐标值唯一，同一x/y/temperature组合下的多个size值需通过聚合（均值/中位数等）合并为单一值。

内容的提问来源于stack exchange，提问作者Jesse Anderson