如何通过维度标签获取xarray数据集形状？求更优雅实现方式

嘿，我来帮你解答这两个关于xarray的问题：

xarray的Dataset对象自带了dims属性，它是一个类似字典的结构——键是维度标签，值就是对应维度的长度（也就是你要的形状信息）。用它就能轻松搞定：

• 获取单个维度的长度：直接用 ds.dims['维度名']，比如 ds.dims['X'] 就能拿到X维度的长度。
• 批量获取多个维度的长度：可以用生成器表达式提取，比如想拿X和Y的长度，写成 tuple(ds.dims[dim] for dim in ['X', 'Y']) 就得到对应的形状元组了。

另外还有个ds.sizes属性，和ds.dims功能完全一致，你也可以用ds.sizes['X']来获取，看个人习惯选择就行。

你写的 tuple(dict(ds[['X', 'Y']].dims).values()) 确实能得到结果，但其实绕了个没必要的弯——ds[['X', 'Y']]会先创建一个只包含这两个维度对应变量的子数据集，这一步完全多余，要是数据集很大还会浪费资源。

给你几个更优雅高效的实现：

1. 直接从原数据集的dims/sizes提取（最推荐）
   直接遍历目标维度列表，从原数据集的dims或sizes里取值，代码简洁又高效：

   tuple(ds.dims[dim] for dim in ['X', 'Y'])
   # 或者用sizes，效果一样
   tuple(ds.sizes[dim] for dim in ['X', 'Y'])
   

2. 用get方法避免KeyError（可选）
   要是你不确定某些维度是否存在于数据集中，可以用get方法设置默认值，这样就算维度不存在也不会报错：

   tuple(ds.dims.get(dim, 0) for dim in ['X', 'Y'])
   

   这里默认值设为0，你可以根据需求改成其他值。

这些写法都比原来的代码更直观，没有多余的转换操作，运行效率也更高。

内容的提问来源于stack exchange，提问作者user2821