如何在xarray中对DataArray应用非向量化、非通用标量函数？

如果你的自定义函数仅支持标量输入输出，无法直接处理数组，以下几种方法可以实现逐元素映射：

方法1：使用xr.apply_ufunc并开启vectorize参数 #

这是Xarray原生推荐的方式，通过vectorize=True参数让apply_ufunc自动将标量函数适配为可处理数组的形式，逐元素调用函数：

import numpy as np
import xarray as xr

def custom_function(x):
    # 模拟非向量化操作（比如类型判断、复杂分支逻辑等）
    return type(x).__name__

data = xr.DataArray([1, 2, 3, 4], dims='x')

# 核心：添加vectorize=True参数
result = xr.apply_ufunc(custom_function, data, vectorize=True)
print(result)

输出示例：

<xarray.DataArray (x: 4)>
array(['int64', 'int64', 'int64', 'int64'], dtype='<U6')
Dimensions without coordinates: x

方法2：借助Pandas的apply/map转换 #

如果你熟悉Pandas的操作，可以先将DataArray转为Series，用apply或map处理后再转回DataArray：

# 链式调用简化写法
result = data.to_series().apply(custom_function).to_xarray()
# 或者用map
result = data.to_series().map(custom_function).to_xarray()

这种方法适合小数据量场景，缺点是数据转换会带来额外开销。

方法3：手动遍历元素（不推荐） #

直接循环遍历每个元素并调用函数，这种方式效率极低，仅作演示，不建议用于大数据集：

result = xr.DataArray(
    [custom_function(x) for x in data.values],
    dims=data.dims,
    coords=data.coords
)

内容的提问来源于stack exchange，提问作者mocquin