如何在xarray中对DataArray按维度循环并映射切片？

针对你需要按某一维度循环处理DataArray切片、且保留维度标签的场景，xarray其实提供了两种更标准的内置实现方式，替代你自定义的循环函数：

1. 使用xr.map_blocks指定循环维度 #

map_blocks支持通过dim参数直接指定要循环的维度，处理函数会接收带完整维度标签的单一切片，同时支持懒加载（适合大数据场景）。示例代码：

import xarray as xr

def process_slice(slice_da):
    # 函数内可直接使用切片的维度标签、坐标做逻辑处理
    print(f"Processing slice with time label: {slice_da.time.values}")
    return slice_da * 2  # 替换为你的实际处理逻辑

# 示例多维DataArray
da = xr.DataArray(
    [[1,2],[3,4],[5,6]],
    dims=["time", "x"],
    coords={"time": ["2020-01-01", "2020-01-02", "2020-01-03"], "x": [0,1]}
)

# 按time维度循环处理切片
result = da.map_blocks(process_slice, dim="time")
# 若需要原地修改原数组，直接赋值即可
da[:] = result.compute()

2. 用xr.apply_ufunc保留维度标签 #

你之前觉得apply_ufunc会丢失标签，其实通过配置参数可以避免：设置input_core_dims/output_core_dims指定非循环维度，加上vectorize=True让函数接收带标签的切片。示例：

def process_slice_with_labels(slice_da):
    # 函数内可直接访问切片的坐标、维度信息
    current_x_coords = slice_da.x.values
    return slice_da + len(current_x_coords)  # 示例逻辑

result = xr.apply_ufunc(
    process_slice_with_labels,
    da,
    input_core_dims=[["x"]],  # 声明除循环维度外的核心维度
    output_core_dims=[["x"]],
    vectorize=True,  # 自动按time维度循环调用函数
    keep_attrs=True  # 保留原数组的属性信息
)

# 原地修改原数组
da[:] = result

对比你的自定义函数 #

你写的xarray_map_over_dimension逻辑可行，但存在两个局限：

• 不支持懒加载，大数据场景下效率较低
• 原地修改数组，不符合xarray推荐的函数式编程风格（更建议返回新数组而非修改原对象）

而上面两种内置方法既保留了维度标签的可用性，又适配xarray的生态特性。

内容的提问来源于stack exchange，提问作者davegri