如何在xarray的DataArray中高效替换子集时间序列的值？

假设你有一个较大的时间序列DataArray，需要将其中部分时间点的值替换为另一个小时间序列的值（小序列的时间是大序列的严格子集）。当前通过for循环实现，但大数据集下效率较低，以下是更优雅高效的实现方式：

原代码示例 #

import xarray as xr
import numpy as np

# 原始大时间序列
ds = xr.DataArray(data=np.arange(5),
                  dims=["time"],
                  coords={'time': [0, 1.1, 2.3, 4.5, 7.8]})

# 需要替换的时间点和对应值
fixtime = [1.1, 4.5, 7.8]
fixdata = [10, 11, 12]

优化实现（无循环） #

利用Xarray的坐标对齐特性，直接通过索引赋值，无需Python循环：

# 把修复数据封装为同维度的DataArray
fix_ds = xr.DataArray(data=fixdata, dims=["time"], coords={'time': fixtime})

# 直接通过时间坐标匹配赋值
ds.loc[fix_ds.time] = fix_ds

执行后ds.data将变为array([ 0, 10, 2, 11, 12])，符合预期结果。

为什么这个方法更优 #

• 性能更高：Xarray的索引赋值是底层向量化操作（基于numpy），避免了Python循环的额外开销，在大数据集（如十万/百万级时间点）下性能提升非常显著。
• 代码更简洁：直接利用坐标对齐逻辑，代码可读性更强，也更符合Xarray的使用习惯。

内容的提问来源于stack exchange，提问作者Jody Klymak