如何计算xarray数据集各自然小时均值并保留带日期的时间戳？

ds.groupby("time.hour").mean()返回跨日期同小时聚合结果，是因为time.hour提取的是0-23的小时数值作为分组键，所有日期中小时数相同的样本会被归为同一组，最终只会输出24个聚合值，无法区分不同日期的同一小时。拆分数据集计算后丢失日期信息，本质也是分组时没有绑定完整的日期时间锚点导致的。

直接使用xarray内置的时间重采样接口做1小时降采样，不需要手动拆分数据集，输出结果的时间维度会自动保留完整的年-月-日T时:分:秒格式的整点时间戳，和你需要的输出格式完全匹配。

核心代码 #

# 按自然小时聚合求均值，时间标签使用小时整点值
ds_hourly_mean = ds.resample(time="1H", label="left", closed="left").mean()

参数说明：

• time="1H"：指定重采样步长为1个自然小时
• label="left"：以每个小时区间的左边界（即整点时刻，如00:00-01:00区间对应2015-01-01T00:00:00）作为结果的时间坐标值
• closed="left"：区间左闭合，即每个整点时刻的观测值计入对应整点开始的小时段，符合自然小时的统计逻辑

缺失小时补全（可选） #

如果原始数据存在整段小时级别的缺失，需要输出连续无缺口的小时时间序列（无观测的小时对应变量值为NaN），可以在重采样后补充时间轴重索引：

import pandas as pd
# 生成覆盖原始数据时间范围的完整小时序列，补全缺失时间点
full_hour_range = pd.date_range(
    start=ds.time.min().values.astype("datetime64[h]"),
    end=ds.time.max().values.astype("datetime64[h]"),
    freq="1H"
)
ds_hourly_mean = ds_hourly_mean.reindex(time=full_hour_range)

• groupby("time.hour")：分组键为0-23的整数，输出维度坐标为0-23的小时数，做跨日期同小时聚合
• resample(time="1H")：分组键为每个时间点所属自然小时的完整时间锚点，输出维度坐标为带完整日期的整点时间戳，按单个自然小时独立聚合，完全匹配需求。

内容的提问来源于stack exchange，提问作者Casheww