如何将多组2D DataFrames合并为3D xarray并调整维度？

问题背景 #

我有多组2D DataFrames，结构如下：

表格1 #

表格2 #

目标是合并为3D xarray，期望结构：

Dimensions:  (xyz: 2, thickness: 2, angle: 2)
Coordinates:
  * xyz       (xyz) object '5 6 4' '8 -1 3'
  * thickness (thickness) int 5 10
  * angle     (angle) float64 0.1 0.2
Data variables:
    # 存储对应数值的变量，比如命名为intensity

当前转换方式：xa = xarray.Dataset.from_dataframe(df).set_coords("angle")，得到的2D xarray结构：

Dimensions:    (thickness: 2)
Coordinates:
  * thickness  (thickness) int 5 10
    angles     (thickness) float64 0.1 0.1
Data variables:
    5 6 4      (thickness) float64 105.87 211.74
    8 -1 3     (thickness) float64 459.62 919.24

合并时出现错误：MergeError: conflicting values for variable '0 0 0 ' on objects to be combined. You can skip this check by specifying compat='override'.

咨询以下两个问题：

1. 如何将angle转换为维度（而非普通坐标）？
2. 如何将'5 6 4'、'8 -1 3'这类xyz坐标转换为名为xyz的维度？

解决方案 #

1. 将angle转为维度 #

每组DataFrame里的angle值是统一的（比如表格1全为0.1），转换时直接给数据集添加angle维度即可：

• 提取单个DataFrame的唯一angle值
• 移除angle列后，用expand_dims添加angle维度

示例代码：

import xarray as xr

# 处理表格1的df1
angle_val = df1['angle'].iloc[0]
xa1 = xr.Dataset.from_dataframe(df1.drop(columns='angle'))
xa1 = xa1.expand_dims(angle=[angle_val])

处理后，xarray会包含thickness和angle两个维度，angle是维度而非普通坐标。

2. 将xyz列转为xyz维度 #

当前xyz列是数据变量，需要转成维度并整合数值到单个数据变量中，可通过melt将DataFrame转成长格式后再转xarray：

# 处理单个df（以df1为例）
# 1. 转成长格式：保留thickness和angle，将xyz列转为行
melted_df1 = df1.reset_index().melt(id_vars=['index', 'angle'], var_name='xyz', value_name='intensity')
# 2. 设置xarray的维度
xa1 = xr.Dataset.from_dataframe(melted_df1).set_index(thickness='index', angle='angle', xyz='xyz')

处理后，单个xarray会包含thickness、angle、xyz三个维度，数值存储在intensity变量中（可自定义变量名）。

合并多个xarray #

所有DataFrame处理完成后，用xr.concat直接合并即可：

# 假设xa1、xa2是处理后的两个数据集
combined_xa = xr.concat([xa1, xa2], dim='angle')

完整流程示例 #

import pandas as pd
import xarray as xr

# 构造示例DataFrame
df1 = pd.DataFrame({
    '5 6 4': [105.87, 211.74],
    '8 -1 3': [459.62, 919.24],
    'angle': [0.1, 0.1]
}, index=[5, 10])
df1.index.name = 'thickness'

df2 = pd.DataFrame({
    '5 6 4': [125.87, 241.74],
    '8 -1 3': [439.62, 949.24],
    'angle': [0.2, 0.2]
}, index=[5, 10])
df2.index.name = 'thickness'

# 定义统一处理函数
def process_df(df):
    melted = df.reset_index().melt(id_vars=['thickness', 'angle'], var_name='xyz', value_name='intensity')
    return xr.Dataset.from_dataframe(melted).set_index(thickness='thickness', angle='angle', xyz='xyz')

# 处理并合并
xa_list = [process_df(df1), process_df(df2)]
combined = xr.concat(xa_list, dim='angle')

# 查看结果
print(combined)

输出结构与期望一致：

Dimensions:     (thickness: 2, angle: 2, xyz: 2)
Coordinates:
  * thickness   (thickness) int64 5 10
  * angle       (angle) float64 0.1 0.2
  * xyz         (xyz) object '5 6 4' '8 -1 3'
Data variables:
    intensity   (thickness, angle, xyz) float64 105.87 459.62 125.87 ... 949.24

内容的提问来源于stack exchange，提问作者Anavae