Numpy 问题xarray.apply_ufunc在groupby对象上（缺少输出\u数据类型）

我正在尝试对具有dask并行化的groupby对象使用xarray.apply_func，但出现错误

数据集包含特定位置30年的每日温度数据，网格为1km²。因此，数据形状为10950x1450x900（分别为天、Y轴和X轴）

主要目标是对每个位置和每年的值进行排序。更重要的是，算法必须具有内存效率

由于数据量巨大（~120gb），无法放入内存，我尝试使用

dask

进行排序，但从我的研究中，我发现dask和任何其他已知的lib（xarray、numpy…）都没有简单的解决方案（如果有的话）

dask

没有实现任何排序算法，因为它对于并行化等非常复杂

dask

给我们的唯一函数是

topk

方法，它将0返回到排序后的第N个元素。当应用于整个数据集时，内存将达到100%

所以，现在我尝试运行

numpy.sort

，启用

dask

并行化，看看这是否有帮助。但我甚至无法测试它，因为它会抛出错误

使用的代码：

xarray.apply_ufunc(numpy.sort, dataset.groupby('time.year'), kwargs={'axis': 0}, dask='parallelized', output_dtypes=[numpy.float64])

错误：

ValueError:使用dask='parallelized'时，必须提供输出数据类型（output\u dtypes）才能应用\u func

我是否做错了什么，或者

apply\u ufunc

不支持

groupby

对象

从xarray的参数也可以是组

*args（数据集、数据数组、分组依据、变量、numpy.ndarray、dask.array.array或scalar）–要应用函数的标记数组和/或未标记数组的混合

我不知道如何正确使用它

---

无论如何，如果您能提出任何工作方法，我将不胜感激。

请给出一个可复制的示例：请让我知道我还可以展示什么。>…完成–提供其他人需要的所有部分，以重现问题中的问题。我需要某种方法跨时间维度对整个数据集进行排序。但我想这是没有办法的