如何为xarray.Dataset添加经纬度维度以使用.sel方法选点？

我有一个xarray.Dataset，结构如下：

<xarray.Dataset>
Dimensions:            (time: 365, y: 277, x: 349, nbnds: 2)
Coordinates:
  * time               (time) datetime64[ns] 1979-01-01 ... 1979-12-31
  * y                  (y) float32 0.0 3.246e+04 ... 8.927e+06 8.96e+06
  * x                  (x) float32 0.0 3.246e+04 ... 1.126e+07 1.13e+07
    lat                (y, x) float32 1.0 1.104 1.208 ... 46.93 46.64 46.35
    lon                (y, x) float32 -145.5 -145.3 -145.1 ... -2.644 -2.57
Dimensions without coordinates: nbnds
Data variables:
    Lambert_Conformal  int32 ...
    time_bnds          (time, nbnds) float64 ...
    acpcp              (time, y, x) float32 ...
Attributes: (12/17)
    Conventions:                     CF-1.2
    centerlat:                       50.0
    centerlon:                       -107.0
    comments:                        
    institution:                     National Centers for Environmental Prediction
    latcorners:                      [ 1.000001  0.897945 46.3544   46.63433 ]
    ...                              ...
    history:                         created Mon Mar 21 17:56:47 MDT 2016 by ...
    dataset_title:                   NCEP North American Regional Reanalysis
    references:                      https://www.esrl.noaa.gov/psd/data/gridded/data.narr.html
    source:                          http://www.emc.ncep.noaa.gov/mmb/rreanl/
    _NCProperties:                   version=2,netcdf=4.6.3,hdf5=1.10.5
    DODS_EXTRA.Unlimited_Dimension:  time

尝试用.sel方法基于lat和lon选择指定点位：

ds.sel(lat=point_lat, lon=point_lon, method='nearest')

但报错：KeyError: 'no index found for coordinate lat'，已知lat是坐标但并非维度。请问实现该需求的最佳方式是什么？能否直接将lat和lon添加为维度？

能否直接将lat和lon设为维度？ #

不能。因为lat和lon是二维坐标数组（每个(y,x)网格点对应唯一的经纬度值），而xarray的维度要求是一维、单调且每个维度值对应唯一的位置，二维坐标无法满足维度的定义，因此不能直接将lat/lon设为维度。

最佳实现方式 #

推荐通过计算目标经纬度与网格点的距离，找到最近点的索引后用isel选择，具体步骤如下：

import numpy as np
import xarray as xr

# 加载数据集
ds = xr.open_dataset("https://psl.noaa.gov/thredds/dodsC/Datasets/NARR/Dailies/monolevel/acpcp.1979.nc")

# 定义目标点位
point_lat = 40.0
point_lon = -100.0

# 计算每个网格点到目标点的距离（简化用欧氏距离，如需更高精度可改用球面距离）
distance = (ds.lat - point_lat)**2 + (ds.lon - point_lon)**2

# 找到距离最小点的一维索引，再转换为(y,x)二维索引
min_flat_idx = distance.argmin().item()
y_idx, x_idx = np.unravel_index(min_flat_idx, ds.lat.shape)

# 选择目标点位的数据
selected_point = ds.isel(y=y_idx, x=x_idx)

如果需要批量选择多个点位，可以将上述逻辑封装为函数，循环处理每个目标点即可。

内容的提问来源于stack exchange，提问作者pbreach