如何从4D xarray数据集生成多级索引矩阵？

现有一个4D xarray数据集ds，结构如下：

<xarray.Dataset>
Dimensions:  (lat: 60, lon: 78, time: 216, pres: 395)
Coordinates:
  * lat      (lat) float32 0.5 1.5 2.5 3.5 4.5 5.5 ... 55.5 56.5 57.5 58.5 59.5
  * lon      (lon) float32 -45.5 -44.5 -43.5 -42.5 ... -69.5 -75.5 -74.5 -76.5
  * time     (time) float32 7.32e+05 7.32e+05 7.32e+05 ... 7.385e+05 7.385e+05
  * pres     (pres) float64 2.5 7.5 12.5 17.5 ... 1.962e+03 1.968e+03 1.972e+03
Data variables:
    var       (pres, lat, lon, time) float64 2.03e+03 2.03e+03 ... nan nan

需要将其转换为特定结构的pandas DataFrame：

id   time  pres param  20.5-70.5  20.5-71.5  20.5-72.5
0     0     0   var       2085       2073       2057
1     0     1   var       2114       2156       2054
2     0     2   var       2039       2006       2179
3     1     0   var       2199       2144       2033
4     1     1   var       2056       2102       2191
5     1     2   var       2062       2033       2052
6     2     0   var       2001       2153       2170
7     2     1   var       2187       2120       2100
8     2     2   var       2138       2076       2002

要求：

• time与pres作为行标识（可转为列）
• 新增param列（后续支持多变量扩展）
• 每个经纬度对格式化为lat-lon字符串作为列名，对应time+pres组合下的var值

之前尝试stacked = ds.stack(coordinates=["lat", "lon"])后调用stacked.to_dataframe()，但经纬度对被拆分为多级索引，不符合需求。

单变量转换步骤 #

import pandas as pd
import xarray as xr

# 1. 堆叠lat和lon为单个pixel维度，生成MultiIndex
stacked = ds.stack(pixel=("lat", "lon"))

# 2. 将pixel的MultiIndex转换为"lat-lon"格式的字符串标签
stacked = stacked.assign_coords(
    pixel=[f"{lat:.1f}-{lon:.1f}" for lat, lon in stacked.pixel.values]
)

# 3. 将pixel维度转换为列（unstack操作），此时行索引为pres和time
unstacked = stacked.unstack("pixel")

# 4. 转换为DataFrame并扁平化列名（原列名是(var, pixel)，提取pixel部分）
df = unstacked.to_dataframe()
df.columns = [col[1] for col in df.columns]

# 5. 添加param列，当前变量为var，所以全填充"var"
df["param"] = "var"

# 6. 重置索引，将pres和time从索引转为列，同时添加id行号列
df = df.reset_index()
df["id"] = df.index

# 7. 调整列顺序，匹配目标结构
df = df[["id", "time", "pres", "param"] + [col for col in df.columns if col not in ["id", "time", "pres", "param"]]]

多变量扩展方案 #

如果后续需要添加多个变量（如var1、var2），可以循环处理每个变量后合并：

df_list = []
for var_name in ds.data_vars:
    # 对单个变量重复核心转换步骤
    var_stacked = ds[var_name].stack(pixel=("lat", "lon"))
    var_stacked = var_stacked.assign_coords(
        pixel=[f"{lat:.1f}-{lon:.1f}" for lat, lon in var_stacked.pixel.values]
    )
    var_df = var_stacked.unstack("pixel").to_dataframe(name=var_name)
    var_df.columns = [col for col in var_df.columns]
    var_df["param"] = var_name
    var_df = var_df.reset_index()
    df_list.append(var_df)

# 合并所有变量的DataFrame
final_df = pd.concat(df_list, ignore_index=True)
final_df["id"] = final_df.index

# 调整列顺序
final_df = final_df[["id", "time", "pres", "param"] + [col for col in final_df.columns if col not in ["id", "time", "pres", "param"]]]

关键说明 #

• stack(pixel=("lat", "lon"))将二维经纬度合并为单个维度，避免后续拆分
• 手动格式化pixel坐标为字符串，确保unstack后列名是lat-lon的格式
• unstack("pixel")将经纬度维度转为列，正好匹配目标结构的列需求

内容的提问来源于stack exchange，提问作者ldlg