如何在xarray中获取变量点对应的time、lat、lon维度索引

• 方法1：转pandas DataFrame批量处理（更适合批量统计需求，代码更简洁）

# 将降水数据转为带坐标的DataFrame
df = ds3.tp.to_dataframe().reset_index()
# 筛选大于阈值的降水记录
outlier_df = df[df["tp"] > 0.08]
# 追加获取对应原数据集的维度位置索引
outlier_df["time_index"] = ds3.time.get_indexer(outlier_df["time"])
outlier_df["lat_index"] = ds3.lat.get_indexer(outlier_df["lat"])
outlier_df["lon_index"] = ds3.lon.get_indexer(outlier_df["lon"])

# 输出查看结果
print(outlier_df)

你需要的所有维度坐标、降水值、对应位置索引都存在outlier_df中，可直接导出或后续处理。

• 方法2：遍历outliers逐行获取（适合需要单条逐个处理的场景）

outliers = ds3.where(ds3.tp > 0.08, drop=True)
for x in outliers.tp:
    # 获取降水值
    tp_val = x.item()
    # 获取对应维度的实际坐标值
    time_val = x.time.item()
    lat_val = x.lat.item()
    lon_val = x.lon.item()
    # 获取对应原数据集的维度位置索引
    time_idx = ds3.time.get_indexer([time_val])[0]
    lat_idx = ds3.lat.get_indexer([lat_val])[0]
    lon_idx = ds3.lon.get_indexer([lon_val])[0]
    # 按需打印或存储
    print(f"降水值：{tp_val:.6f}, 时间索引：{time_idx}, 纬度索引：{lat_idx}, 经度索引：{lon_idx}")

补充说明：如果你只需要坐标的实际值（如1981-03-01、8.25这类）不需要原数组的位置索引，可以省略get_indexer步骤，直接使用获取到的time_val、lat_val、lon_val即可。

内容的提问来源于stack exchange，提问作者Jessica