如何使用Xarray mfdataset在数据缺失变量时创建变量

你这段代码的核心问题是判断变量是否存在的逻辑错误：如果dswrf不存在，radi['dswrf']会直接抛出KeyError，根本走不到判断步骤。

正确的做法是直接检查变量名是否在数据集的变量列表里，同时还要保证新增变量的维度和原数据集匹配，修正后的代码如下：

path_list = '/media/william/PhD/DownloadRadiation/GFS/20200716/gfs*.grib2'

nan = float('nan')

def preprocessing(radi):
    # 直接检查变量名是否存在于数据集的变量集合中
    if 'dswrf' not in radi:
        # 基于现有变量生成同维度的NaN数组，避免维度不匹配问题
        sample_var = next(iter(radi.data_vars.values()))
        return radi.assign(dswrf=xr.full_like(sample_var, nan))
    return radi  # 变量存在时直接返回原数据集，避免返回None报错

radi = xr.open_mfdataset(path_list, concat_dim='valid_time', preprocess=preprocessing, decode_times=False, combine='nested', engine='cfgrib',
                        backend_kwargs={'filter_by_keys':{'shortName': 'dswrf', 'typeOfLevel':'surface'},'indexpath':''})

额外说明：

• 原代码里assign(dswrf=nan)会生成标量变量，和原数据集维度大概率不兼容，后续拼接会触发错误，用xr.full_like可以保证维度一致。
• 预处理函数必须在变量存在时返回原数据集，否则会因返回None导致open_mfdataset执行失败。

内容的提问来源于stack exchange，提问作者William Jacondino