网格化降水数据60个月滑动窗口阈值超次数计算求助

先说说你原代码的核心问题：

• 你在循环里计算了aa，但没有把计算结果添加到列表a中，所以最后得到空列表是必然的；
• 手动嵌套遍历经纬度维度完全没必要，72*144=10368次循环既低效又容易出错，xarray本身支持直接对多维数据做向量化操作，能一步处理所有空间维度；
• 原代码里的阈值写的是<-50，和你描述的“低于5”不符，这里要注意修正。

最优方案：用xarray向量化操作直接处理 #

既然你的数据是xarray的DataArray（从.where()和.rolling()方法能判断出来），完全可以利用xarray的广播和维度特性，一步完成滑动窗口统计，代码简洁且效率极高：

# 假设AS是xarray.DataArray，维度为(time, lat, lon) = (324,72,144)
# 1. 生成布尔掩码：标记所有降水低于5的时刻
precip_below_5 = AS < 5

# 2. 在time维度上做60步滑动窗口，统计窗口内低于5的次数
# - min_periods=60：只保留有完整60个月数据的窗口（前59个时间步会返回NaN）
# - skipna=False：如果窗口内有缺失值，不忽略（可根据你的数据实际情况调整）
rolling_counts = precip_below_5.rolling(time=60, min_periods=60).sum(skipna=False)

# 验证结果形状，和原始数据维度一致：(324,72,144)
print(rolling_counts.shape)

这里的原理很简单：布尔值True会被当作1，False当作0，.sum()就直接统计出了窗口内降水低于5的月份数。如果你的数据存在缺失值，可以调整skipna参数；如果允许统计不完整的窗口（比如前59个时间步用当前已有的月份数计算），去掉min_periods=60即可。

若必须用循环（不推荐） #

如果因为特殊需求一定要用循环，那修正原代码，把每个格点的计算结果存入列表后再合并成三维数组：

import xarray as xr

result_list = []
for lon_idx in range(len(AS.lon)):
    for lat_idx in range(len(AS.lat)):
        # 修正阈值为<5，计算当前格点的滑动统计
        grid_counts = AS[:, lat_idx, lon_idx].where(AS[:, lat_idx, lon_idx] < 5).rolling(time=60).count()
        result_list.append(grid_counts)

# 将一维结果合并为三维数组，还原原维度顺序
final_result = xr.concat(result_list, dim=AS.lat).transpose('time', 'lat', 'lon')
print(final_result.shape)

但还是强烈推荐第一种向量化方案，不仅代码量少，运行速度更是比循环快几个数量级，尤其是处理大尺寸网格数据时优势明显。

内容的提问来源于stack exchange，提问作者user11036847