如何在三维数组中按特定时间步裁剪对应点位？

要保留经纬度与时间的对应关系，避免生成笛卡尔积结果，你需要让xarray识别到三个坐标是按事件一一匹配的，而不是独立的维度列表。以下是两种高效实现方式：

方法一：矢量索引（推荐，效率高） #

利用xarray的维度匹配特性，将每个事件的经纬度、时间打包到同一个自定义维度（比如event）下，让xarray按这个维度逐个提取对应点位：

import pandas as pd
import xarray as xr

# 从GeoDataFrame提取事件坐标，保留对应关系
events_df = pd.DataFrame({
    'lon': pts.geometry.x,
    'lat': pts.geometry.y,
    'time': pts.time
})

# 将坐标转换为带共同维度的xarray DataArray
event_lon = xr.DataArray(events_df['lon'], dims='event')
event_lat = xr.DataArray(events_df['lat'], dims='event')
event_time = xr.DataArray(events_df['time'], dims='event')

# 按事件维度匹配提取，完美保留对应关系
values_pts = 3D_array.sel(
    lon=event_lon,
    lat=event_lat,
    time=event_time,
    method='nearest'
)

最终values_pts会是一个维度为event的DataArray，每个元素对应一个事件的目标数值。

方法二：逐事件提取（适合小数据集） #

如果事件数量不多，可以用pandas的apply逐行处理每个事件的坐标组合：

def extract_event_value(row):
    return 3D_array.sel(
        lon=row['lon'],
        lat=row['lat'],
        time=row['time'],
        method='nearest'
    ).item()

# 从GeoDataFrame提取坐标并逐行处理
events_df = pd.DataFrame({
    'lon': pts.geometry.x,
    'lat': pts.geometry.y,
    'time': pts.time
})
values_pts = events_df.apply(extract_event_value, axis=1)

为什么原方法失效？ #

直接传入三个独立列表时，xarray会将它们视为三个维度的所有可能组合（笛卡尔积），因此会生成每个时间步对应所有点位的结果，而非每个事件的一对一匹配。

内容的提问来源于stack exchange，提问作者Blue_Green