如何将xarray DataArray的值用作列表索引？

针对你的需求，这里有两种适配大维度（30001×20001）xarray Dataset的高效实现方式：

方法一：用numpy take 高效处理大数组 #

numpy的take函数可直接根据索引数组从列表提取对应元素，操作底层数组的方式对超大维度数据更高效：

import numpy as np
import xarray as xr

ds = xr.Dataset()
ds["data_index"] = (("x", "y"), [[0, 1], [2, 3]] )

# 避免用list作为变量名，防止覆盖Python内置类型
lookup_list = ["a", "b", "c", "d"]

# 生成data变量
ds["data"] = xr.DataArray(
    np.take(lookup_list, ds["data_index"].values),
    dims=ds["data_index"].dims,  # 继承原变量的维度
    attrs=ds["data_index"].attrs  # 可选：继承原变量的属性
)

方法二：xarray原生索引方式 #

这种方式贴合xarray的坐标化数据风格，通过构建查找表DataArray，直接用data_index索引取值：

import xarray as xr

ds = xr.Dataset()
ds["data_index"] = (("x", "y"), [[0, 1], [2, 3]] )

lookup_list = ["a", "b", "c", "d"]

# 构建带索引坐标的查找表
lookup_da = xr.DataArray(
    lookup_list,
    dims=["idx"],
    coords={"idx": range(len(lookup_list))}
)

# 通过索引匹配生成data变量
ds["data"] = lookup_da.sel(idx=ds["data_index"])

注意事项 #

• 不要使用list作为变量名，这会覆盖Python内置的list类型，可能引发后续代码错误。
• 对于30001×20001的超大维度数据，方法一的numpy操作速度更快；方法二的代码更简洁，适合需要保留坐标关联的场景。

内容的提问来源于stack exchange，提问作者Morgane