仅对双时间维度DataArray重采样单维度时丢失另一维度

我懂你遇到的这个困扰——当你在带有两个时间相关维度（初始化时间T1是datetime类型，预报时效T2是timedelta类型）的DataArray上执行重采样时，非操作的维度居然直接丢失了，这确实挺闹心的。其实这大多是操作细节没注意到，咱们来一步步解决它。

先复现你的场景 #

首先我先还原你的测试代码，方便后续演示：

import xarray as xr
import numpy as np
import pandas as pd

# 创建两个时间维度
T1 = pd.date_range('2001-01-01','2001-01-28', freq='12H')
T2 = pd.timedelta_range(start='1 day', end='3 day', freq='3H')
da_3H = xr.DataArray(np.random.randn(T1.size, T2.size), dims=('T1','T2'))

正确的重采样操作（保留另一个维度） #

不管你是对T1还是T2重采样，只要用对方法，另一个维度都会被完整保留：

对初始化时间T1重采样（datetime维度） #

如果你想把T1从12小时频率聚合到日尺度，直接用resample配合聚合函数即可，xarray会自动只对指定维度操作，保留其他维度：

# 把T1重采样到日尺度，计算均值
da_daily_T1 = da_3H.resample(T1='D').mean()
# 查看结果维度：('T1', 'T2')，两个维度都在
print(da_daily_T1.dims)

如果担心默认聚合有问题，也可以显式指定要聚合的维度：

da_daily_T1 = da_3H.resample(T1='D').mean(dim='T1')

对预报时间T2重采样（timedelta维度） #

对于timedelta类型的T2，xarray同样支持重采样操作，只需要传入对应的时间频率字符串：

# 把T2从3小时重采样到6小时，计算均值
da_6H_T2 = da_3H.resample(T2='6H').mean()
# 查看结果维度：('T1', 'T2')，T1维度依然保留
print(da_6H_T2.dims)

如果还是出现维度丢失？检查这几点 #

• 升级xarray版本：较旧的xarray版本对多时间维度的支持可能不完善，建议升级到最新版：

  pip install --upgrade xarray pandas
  

• 避免全维度聚合：有些聚合函数（比如不带参数的sum()）会默认对所有维度聚合，但只要你用resample指定了目标维度，就只会对该维度进行聚合。
• 检查维度名拼写：如果重采样时写错了维度名，xarray可能会报错或者意外处理其他维度，确认你的维度名和DataArray中的完全一致。

扩展：同时对两个时间维度重采样 #

如果需要同时调整两个时间维度的频率，可以链式调用两次resample：

# 先把T1聚合成日尺度，再把T2聚合成6小时尺度
da_double_resample = da_3H.resample(T1='D').mean().resample(T2='6H').mean()

内容的提问来源于stack exchange，提问作者nicway