如何沿时间维度从格点时间序列中减去一维时间序列

广播报错的核心原因是NumPy广播规则默认从数组最右侧维度开始对齐匹配：你的三维数组形状为(9784,44,44)，维度顺序是(time, latitude, longitude)，一维average数组形状为(9784,)，直接做减法时NumPy会尝试将其匹配到最右侧的longitude维度（长度44），维度长度不匹配就会触发报错。

你之前写的apply_ufunc代码存在语法错误：axis=0参数被错误写进了lambda函数的元组里，而且这个场景完全不需要调用apply_ufunc，用原生广播机制就能高效实现需求，有两种常用实现方案：

方案1：NumPy维度调整（适合直接操作数组值的场景） #

给一维average数组末尾补充两个长度为1的维度，将形状调整为(9784, 1, 1)，即可和原三维数组的time维度对齐，自动完成广播计算：

# [:, None, None] 等价于在原数组后新增两个长度为1的维度
ds1 = data_locations.values - average[:, None, None]

计算时长度为1的维度会自动扩展到和原数组lat、lon维度一致的长度，正好实现「每个时间步所有格点统一减去对应时间步的average值」的逻辑。

方案2：xarray维度名对齐（推荐，不易出错） #

如果你用的是xarray的DataArray/Dataset对象，直接按维度名匹配计算即可，完全不需要手动调整数组形状，也不用担心维度顺序变动导致计算错误：

• 如果average本身就是带time维度的xarray对象，且time坐标和原数据集完全对应，直接做减法即可：

  ds_new = data_locations - average
  

• 如果average是普通NumPy数组，先把它转成带time维度的xarray对象再计算：

  import xarray as xr
  average_da = xr.DataArray(
      average, 
      dims=["time"], 
      coords={"time": data_locations.time}
  )
  ds_new = data_locations - average_da
  

注意：这类简单的逐元素广播运算优先用NumPy/xarray原生实现，不要用apply_ufunc或者Python层面的循环，原生广播是C层实现的向量化计算，性能比Python层循环调用lambda高几个量级。

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