如何在xarray中沿时间维度复制气候态数据？

假设你使用xarray处理SST气候态数据（数据对象命名为sst_clim，包含lat、lon、time三个维度，其中time对应12个月份），以下是两种高效实现方式：

方法一：直接重复维度+替换时间坐标 #

这种方式简单直接，适合需要严格重复每年气候态的场景：

import pandas as pd
import xarray as xr

# 生成100年的月度时间序列（示例：1900-1999年）
time_100y = pd.date_range(start='1900-01-01', periods=100*12, freq='MS')

# 重复原气候态的time维度100次，再替换为新的时间轴
sst_100y = sst_clim.repeat(time=100).assign_coords(time=time_100y)

方法二：按月份匹配广播 #

如果原数据的时间标签格式不固定，这种方式通过月份匹配来广播，灵活性更强：

import pandas as pd
import xarray as xr

# 生成100年的月度时间序列
time_100y = pd.date_range(start='1900-01-01', periods=100*12, freq='MS')

# 创建匹配目标维度的空模板
template = xr.DataArray(
    dims=['lat', 'lon', 'time'],
    coords={'lat': sst_clim.lat, 'lon': sst_clim.lon, 'time': time_100y}
)

# 按月份匹配气候态数据，广播到模板维度
sst_100y = sst_clim.sel(time=template.time.dt.month).broadcast_like(template)

纯numpy实现（若未使用xarray） #

如果你的数据是numpy数组（形状为(lat, lon, 12)），可以直接用numpy的repeat函数：

import numpy as np

# 假设sst_data为numpy数组，在time维度（第2轴）重复100次
sst_100y_np = np.repeat(sst_data, 100, axis=2)
# 后续可自行创建时间轴并封装为数据对象或保存

内容的提问来源于stack exchange，提问作者Ulla