DataArray.mean计算时间维度均值后丢失XLAT/XLONG坐标的解决方案咨询

你遇到的这个情况很常见——当你的坐标（比如XLAT/XLONG）带有被聚合的维度（这里是Time）时，xarray在执行mean这类聚合操作后，会自动移除这些坐标，因为它们的维度和聚合后的DataArray不再匹配（原坐标是4维：Time×south_north×west_east，聚合后变成3维：bottom_top×south_north×west_east）。

既然你提到XLAT/XLONG实际上不随时间变化，只是NetCDF文件里带了Time维度，这里有两种简单的解决方法：

方法一：计算均值后手动添加固定坐标 #

直接从原Dataset中提取一个时间步的XLAT/XLONG（因为值不随时间变，任意时间步都可以），再赋值给均值后的DataArray：

# 提取第一个时间步的坐标（也可以用isel(Time=-1)取最后一个，结果一样）
fixed_xlat = ds.XLAT.isel(Time=0)
fixed_xlong = ds.XLONG.isel(Time=0)

# 给均值后的PM2.5数据添加坐标
pm25_mean = pm25_mean.assign_coords(XLAT=fixed_xlat, XLONG=fixed_xlong)

如果想更严谨（比如担心文件里某时间步坐标异常），也可以对坐标本身取时间均值：

mean_xlat = ds.XLAT.mean(dim='Time')
mean_xlong = ds.XLONG.mean(dim='Time')
pm25_mean = pm25_mean.assign_coords(XLAT=mean_xlat, XLONG=mean_xlong)

执行后再查看pm25_mean.coords，就能看到XLAT和XLONG已经关联上去了，完全可以用于后续可视化。

方法二：预处理Dataset，先移除坐标的Time维度 #

在提取PM2.5变量之前，先把XLAT/XLONG的Time维度去掉，这样后续聚合操作时坐标会自动保留：

# 重新定义坐标，移除Time维度
ds_fixed = ds.assign_coords(
    XLAT=ds.XLAT.isel(Time=0),
    XLONG=ds.XLONG.isel(Time=0)
)

# 提取变量并计算均值
pm25 = ds_fixed.PM2_5_DRY
pm25_mean = pm25.mean(dim='Time', keep_attrs=True)

这种方法的好处是后续所有聚合操作都不用再重复处理坐标，适合多次分析的场景。

为什么会丢失坐标？ #

xarray的设计逻辑是：聚合操作后，只保留那些维度完全匹配新数组的坐标。因为原XLAT/XLONG带有Time维度，聚合后数组没有了Time维度，xarray无法自动匹配，所以会丢弃这些坐标。而我们的操作本质是把坐标转换成和新数组维度一致的形式，就能重新关联上。

内容的提问来源于stack exchange，提问作者meteo_96