如何根据x、y坐标对应的纬度函数生成网格点可用纬度数组

你当前生成的lats列表元素是0维numpy数组，而非普通数值标量，因此后续调用时会出现格式兼容问题。计算可得349*277=96673，列表长度本身符合预期，仅元素类型不符合要求。

方案1：修正原有循环代码 #

只需要提取0维数组里的实际数值即可，注意不要把循环变量和坐标对象重名避免冲突：

import numpy as np
import xarray as xr

lats = []
lons = []
for x_val in df.x:
    for y_val in df.y:
        # 用.item()将0维numpy数组转为原生数值
        lat_val = df.sel(x=x_val, y=y_val).lat.values.item()
        lon_val = df.sel(x=x_val, y=y_val).lon.values.item()
        lats.append(lat_val)
        lons.append(lon_val)

# 如需numpy格式一维数组，直接转换即可
lats_arr = np.array(lats)
lons_arr = np.array(lons)

转换完成后lats_arr.shape即为(96673,)，可以直接调用。

方案2：无循环原生实现（推荐） #

双层循环逐点取值效率极低，xarray本身提供了维度操作接口，不需要逐点取值，运行速度比循环高两个量级，也不会出现元素格式错误：

• 如果你的lat/lon已经是和x/y维度对齐的二维变量，直接拉平即可：

lats_arr = df.lat.values.flatten()
lons_arr = df.lon.values.flatten()

• 如果lat/lon没有和维度自动对齐，用stack方法先堆叠网格维度再取值：

# 将x、y两个维度堆叠为单个网格点维度
stacked_ds = df.stack(grid_point=("x", "y"))
lats_arr = stacked_ds.lat.values
lons_arr = stacked_ds.lon.values

上述代码输出的结果直接是shape为(96673,)的一维numpy数组，不需要额外做格式转换。

拿到数组后可以直接打印维度确认：

print(lats_arr.shape)
# 输出(96673,)即为符合要求的可用数组

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