为何xarray中相同操作仅能将一个data_array首列正确转为NaN

问题成因 #

你的代码逻辑依赖.values返回xarray底层数组的视图，修改视图同步改变原xarray对象内的存储值，再将已修改的原数组assign回对象。但xarray的.values属性不保证总是返回视图，两个对象表现不一致的核心原因是底层存储结构不同：

• xarray_obj_1的data_array是连续存储的numpy数组，.values返回视图，你修改data_array_1[:,0]时直接改动了原xarray内的数组值，因此assign原数组时修改生效
• xarray_obj_2的data_array底层是分块dask数组、非连续存储数组或带延迟计算的数组，.values返回的是独立副本，修改data_array_2完全不会影响原xarray内的数组值，你再assign原数组等于没有做任何修改，因此首列保持原值。

正确实现方案 #

不要依赖.values的视图特性，直接使用xarray原生语法操作，或者将修改后的数组显式传入assign即可，推荐两种写法：

写法1：直接原位修改（最简单，适合允许修改原对象的场景） #

import numpy as np

# 直接对xarray数组的第二维（列维度）首位置赋值，兼容所有底层存储类型
xarray_obj_1['data_array'][:, 0] = np.nan
xarray_obj_2['data_array'][:, 0] = np.nan

如果你的列维度有自定义名称，也可以用更规范的索引写法避免维度顺序出错：

# 假设列维度的名称为`feature`，替换为你实际的维度名即可
xarray_obj_1['data_array'].loc[:, dict(feature=0)] = np.nan
xarray_obj_2['data_array'].loc[:, dict(feature=0)] = np.nan

写法2：assign显式赋值（适合不想修改原对象的场景） #

直接将修改后的numpy数组传入assign，不需要依赖原数组是否被改动：

import numpy as np

# 处理xarray_obj_1
data_array_1 = xarray_obj_1['data_array'].values
data_array_1[:, 0] = np.nan
xarray_obj_1 = xarray_obj_1.assign(data_array=data_array_1)

# 处理xarray_obj_2
data_array_2 = xarray_obj_2['data_array'].values
data_array_2[:, 0] = np.nan
xarray_obj_2 = xarray_obj_2.assign(data_array=data_array_2)

内容的提问来源于stack exchange，提问作者pythonbeginner90