我有一个零数组示例：
time = np.arange('2000', '2005', dtype='datetime64[D]')
test_array = xr.DataArray(np.zeros(len(time)), coords={'time': time}, dims=['time'])
现在，如果我有一些数据，例如test_data = np.ones(365) 我想放入对应于年份 2001 的数组中（有 365 天）我该怎么做呢？
我想做类似的事情：test_array[test_array.where(time='2001')] = test_data 但.where() 在这里不起作用。
【问题讨论】：
标签： datetime python-datetime python-xarray
以下解决方案有效，但如果有更优雅的方式，我很想知道。
ind_start = (test_array.indexes['time'] == pd.Timestamp('2001-01-01')).argmax()
ind_end = (test_array.indexes['time'] == pd.Timestamp('2001-12-31')).argmax()
test_array[ind_start:ind_end + 1] = test_data
【讨论】：
三参数xarray.where 函数可能是一个更优雅的替代方案：
import pandas as pd
import xarray as xr
times = pd.date_range('2000', '2002')
da = xr.DataArray(range(len(times)), [('time', times)])
result = xr.where(da.time.dt.year == 2001, 1, da)
它也适用于值数组：
ones = xr.ones_like(da)
result = xr.where(da.time.dt.year == 2001, ones, da)
如果您从纯 NumPy 数组开始，则需要将其转换为 DataArray 并确保其时间坐标与 da 的时间坐标完全对齐；如果 NumPy 数组的初始长度与 da 的不同，则需要添加重新索引步骤。这是一种方法：
import numpy as np
year_2001_times = da.time.sel(time=da.time.dt.year == 2001)
arr = np.random.random(len(year_2001_times))
random_da = xr.DataArray(arr, [('time', year_2001_times)])
reindexed_random_da = random_da.reindex_like(da)
result = xr.where(da.time.dt.year == 2001, reindexed_random_da, da)
【讨论】：
arr 使用 result = xr.where(da.time.dt.year == 2001, arr, da) 的 numpy 数组来做到这一点？如果我在arr 是一个 365 长的 np 数组时尝试这样做，我会收到一个广播 ValueError。如果我需要手动将arr 转换为 xr 格式，我应该怎么做才能兼容？
DataArray 的形式适当地标记了？那么您只需要在将其传递给where 之前进行重新索引步骤。