如何创建维度名与坐标名一致的xarray.DataArray并正常使用.sel方法

核心报错原因 #

xarray禁止与维度同名的坐标为多维数组，你遇到的冲突本质是误用了np.meshgrid生成二维经纬度坐标。你接触到的ERA5等公开再分析数据属于规则正交格点，其经纬度坐标本身是一维的，和同名维度一一对应，天然支持.sel()方法，不需要生成二维坐标。

方案1：规则格点场景（推荐，和ERA5用法完全一致） #

直接使用一维经纬度值定义同名坐标即可，无需调用np.meshgrid：

import numpy as np
import xarray as xr

data = [[23, 22, 21],
       [22, 20, 24]]

# 直接定义一维经纬度坐标
lon_vals = [-45, -44, -43]
lat_vals = [-21, -20]

t2m = xr.DataArray(
    data=data,
    # 维度顺序和data形状对应：2行对应lat的2个值，3列对应lon的3个值
    dims=["lat", "lon"],
    coords=dict(
        lon=lon_vals,
        lat=lat_vals
    )
)

验证.sel()方法调用：

# 直接按经纬度查询，和ERA5用法完全一致
print(t2m.sel(lon=-45, lat=-21, method='nearest'))

方案2：非规则格点场景（经纬度为二维数组） #

如果你的数据确实是投影后的扭曲非规则格点，经纬度本身是二维的，不能和维度同名，此时可以用.where()方法实现坐标筛选，效果和.sel()一致：

import numpy as np
import xarray as xr

data = [[23, 22, 21],
       [22, 20, 24]]
x, y = np.meshgrid([-45, -44, -43], [-21, -20])

# 维度使用不同名的x/y，经纬度为二维坐标
t2m = xr.DataArray(
    data=data,
    dims=["x", "y"],
    coords=dict(
        lon=(["x", "y"], x),
        lat=(["x", "y"], y)
    )
)

# 精确匹配坐标查询
result = t2m.where((t2m.lon == -45) & (t2m.lat == -21), drop=True)

# 近邻匹配查询（对应method='nearest'效果）
lon_target = -45
lat_target = -21
dist = np.sqrt((t2m.lon - lon_target)**2 + (t2m.lat - lat_target)**2)
result = t2m.where(dist == dist.min(), drop=True)

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