如何无需循环将Pandas DataFrame栅格化为全维度Xarray Dataset

确实存在无需循环的实现方案，核心是利用pandas多级索引和xarray重索引的向量化操作，具体如下：

实现代码 #

import pandas as pd
import xarray as xr 

# 待栅格化的行数据
data = {'lats':[0,0,2], 'lons':[1,2,0], 'times':[0,1,2], 'values':[20,50,30]}
df_rows = pd.DataFrame(data)
# 目标对齐坐标
lat_target = [0,1,2]
lon_target = [0,1,2]
time_target = [0,1,2]

# 核心处理流程
# 1. 将时空坐标列设为多级索引，提取值列后转为临时xarray对象
temp_xarr = df_rows.set_index(['lats', 'lons', 'times'])['values'].to_xarray()
# 2. 重索引对齐全量目标坐标，未匹配位置默认填充0
full_xarr = temp_xarr.reindex(
    lats=lat_target,
    lons=lon_target,
    times=time_target,
    fill_value=0
)
# 3. 调整维度、重命名坐标转为符合要求的Dataset结构
result_ds = full_xarr.rename(
    {'lats':'lat', 'lons':'lon', 'times':'time'}
).transpose('lon', 'lat', 'time').to_dataset(name='data')

方案说明 #

• 全程无显式循环，所有操作都是pandas和xarray的原生向量化实现，处理大规模数据时效率远高于手写循环
• 可灵活适配不同范围的目标坐标，仅需修改reindex传入的坐标参数即可
• 所有未在原始行数据中指定的网格点，会自动填充为0，完全匹配需求

内容的提问来源于stack exchange，提问作者Ben