如何在单个xarray dataset中选择多个不连续的时间区间

xarray的sel方法本身不直接支持传入多个slice同时筛选，但有两种成熟的实现方案可以满足你的需求：

方案1：时间属性条件筛选（适合固定规律的时段） #

你的需求是每4小时提取一次20分钟的片段，属于有固定规律的时段，直接通过时间坐标的属性构造过滤条件即可，代码最简洁：

# 确保time坐标为datetime64格式（常规读取的nc/h5等数据默认都是该格式）
# 提取时间的小时、分钟属性
hour = file_dataset.time.dt.hour
minute = file_dataset.time.dt.minute

# 构造筛选条件：从5点开始每4小时一次，且分钟数小于20
cond = ((hour - 5) % 4 == 0) & (minute < 20)

# 过滤掉不符合条件的时间点
result = file_dataset.where(cond, drop=True)

方案2：多区间循环筛选拼接（适合任意自定义时段） #

如果你的时段规则有变化，需要灵活指定多个时间区间，可以先生成所有需要的时间切片，循环筛选后再沿时间轴拼接：

import pandas as pd
import xarray as xr

# 生成所有时段的起始时间，按你的需求设置起止时间和间隔频率
start_times = pd.date_range(
    start='2021-05-09 05:00:00',
    end='2021-05-17 12:00:00',
    freq='4H'
)
# 每个时段结束时间为起始时间+20分钟
time_slices = [slice(st, st + pd.Timedelta(minutes=20)) for st in start_times]

# 循环筛选每个区间的数据集，沿时间轴拼接
selected_ds = xr.concat(
    [file_dataset.sel(time=ts) for ts in time_slices],
    dim='time'
)

注意事项 #

• 如果部分区间存在数据缺失，可以在xr.concat中添加compat='override'参数避免维度对齐报错
• 若数据时间精度高于秒级，可适当调整slice的时间范围边界，避免漏选采样点

内容的提问来源于stack exchange，提问作者binverted