在pythonxarray中减去每个网格的月平均值的最佳方法

玩具数据集来自：

我知道我可以在

xarray.DataSet（）

中找到如何从变量中减去月平均值的方法，如下所示：

climatology = ds.groupby("time.month").mean("time")
anomalies = ds.groupby("time.month") - climatology
anomalies.mean("location").to_dataframe()[["tmin", "tmax"]].plot()

那么，我能为每个位置做减法吗

我尝试对位置月组执行此操作，但

xarray.DataSet.groupby（）

不允许传递多个组。然后，我尝试使用

xarray.DataSet.stack（）

创建位置月，但它只允许传递维度；我可以使用

time.month

提取月份值，但它们被恢复为一个新变量，而不是维度。我可以对所有位置使用

或
xarray.DataSet.apply（）
，但速度太慢（我有大约65000个位置）

预期结果或过程类似于：

for each location:
    climatology = ds.groupby("time.month").mean("time")
    anomalies = ds.groupby("time.month") - climatology

仅在
xarray
中使用解决方案是最好的，但是如果使用
pd.DataFrame（）
或其他解决方案是可能的并且非常快，那么这些解决方案也是受欢迎的

编辑
下面是我当前使用'pd.DataFrame（）'的解决方案

for each location:
    climatology = ds.groupby("time.month").mean("time")
    anomalies = ds.groupby("time.month") - climatology

# convert to pd.dataframe
df = ds.to_dataframe()

# get mean monthly values
months = df.index.get_level_values('time').month
df_meanMonths = df.groupby([pd.Grouper(level='location'), months]).mean()

# rename and reindex
df_meanMonths.rename(columns={'tmin': 'tminMM', 'tmax': 'tmaxMM'}, inplace=True)
df_meanMonths.index.set_names('month', level='time', inplace=True)

# merge
df['month'] = df.index.get_level_values('time').month
vars_join = ['tminMM', 'tmaxMM']
join_right = df_meanMonths[vars_join]

# results
df.reset_index().set_index(['location', 'month']).merge(join_right, how='left', left_index=True, right_on=['location', 'month'])