如何将含长度为1时间维度的xarray DataArray与更大维度的数组对齐

你要的最高效实现是直接使用xarray内置的broadcast_like方法，该方法不需要实际复制底层数据（尤其是你的数据是dask数组时，仅修改元数据结构即可，无额外内存开销），直接完成维度对齐，完全满足你做差值运算的需求。

具体操作步骤 #

方案1：直接广播（优先使用，性能最优） #

两个数据集的非时间维度坐标完全一致，直接调用广播方法即可自动对齐维度：

# 将单时间步的moc_ctrl_clim广播为和moc10_H11完全匹配的维度、坐标结构
moc_ctrl_clim_expand = moc_ctrl_clim.broadcast_like(moc10_H11)
# 执行差值运算，输出结果维度与moc10_H11完全一致，时间维度长度为35
diff = moc10_H11 - moc_ctrl_clim_expand

方案2：重索引对齐（解决坐标匹配报错问题） #

如果因为时间坐标取值不一致触发广播报错，可以手动指定目标时间轴做重索引：

# 提取目标数据集的时间轴
target_time = moc10_H11.time
# 沿时间维度重索引，自动复用单时间步数据填充所有目标时间步
moc_ctrl_clim_expand = moc_ctrl_clim.reindex(time=target_time, method='ffill')
# 执行差值运算
diff = moc10_H11 - moc_ctrl_clim_expand

方案说明 #

你之前尝试的expand_dims仅能新增维度、无法拓展维度长度，stack用于合并不同数据集的维度，都不适合当前场景。上述两种方案中，broadcast_like的性能远高于手动repeat、concat等操作，因为它生成的是数据视图，不会产生冗余的内存占用。

内容的提问来源于stack exchange，提问作者user14771692