使用xarray Dataset存储时间不兼容时序如何避免NaN填充

xarray中Dataset的设计逻辑是所有变量共享全局坐标体系，当你传入多个坐标不完全重合的DataArray构造Dataset时，xarray会默认对所有维度的坐标取外并集，缺失值自动填充NaN，这是预期行为，而非bug。你当前的场景（多个时间范围、采样率不同的非对齐序列）并不适合用原生Dataset存储。

按适配优先级从高到低排列：

• 方案1：使用xarray.DataTree存储非对齐序列
  DataTree是xarray 0.19版本后新增的原生数据结构，专门用于存储多组非对齐的xarray对象，每个子节点可以持有独立的坐标体系，不会强行做全局坐标合并，完全不需要修改时间轴名称这类hack操作。
  示例代码：

from xarray import DataTree

# 按节点存储独立DataArray，坐标互不干扰
dt = DataTree.from_dict({
    "ar_1": ar_1,
    "ar_2": ar_2
})

# 访问逻辑和Dataset基本一致，不会生成冗余NaN
print(dt["ar_1"].shape)  # 输出为原始的(1000, 100)
print(dt["ar_1"].isnull().sum().item())  # 输出为0

该方案同时完美适配不同采样率序列的存储需求，需要做跨序列时间对齐时，可按需调用xr.align指定插值规则生成对齐后的数据，不需要提前存储冗余填充值。

• 方案2：用Python字典存储独立DataArray
  如果你不需要用到Dataset/Tree提供的批量IO、全局坐标操作等能力，直接用普通Python字典存储多个DataArray是最简单轻量的方案，没有任何额外开销，需要对齐操作时再单独处理即可。
  示例：

da_store = {"ar_1": ar_1, "ar_2": ar_2}
# 按需访问和处理
print(da_store["ar_1"].shape) # (1000, 100)

• 方案3：稀疏数组适配必须使用Dataset的场景
  如果你的业务逻辑确实需要所有序列对齐到同一全局时间轴，可以用sparse库的稀疏数组作为数据后端，NaN不会占用实际内存，大幅降低内存开销。
  示例代码：

import sparse

# 将DataArray转为稀疏数组后存入Dataset
ds = xr.Dataset({
    1: ar_1.astype(sparse.COO),
    2: ar_2.astype(sparse.COO)
})

如果需要频繁做跨序列的时间对齐操作，可预先将所有序列按业务需要重采样到同一时间基准后再存入Dataset，此时产生的填充值属于业务必要数据，也可配合稀疏数组进一步优化内存占用。

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