Python 用dask迭代地填充xarray中的NaN值

我有一个大的三维数据集（y，x，time），其中有很大的间隙（NaN）。我想用上一次的值迭代地填充缺少的值

以下是一个玩具示例：

import xarray as xr
import numpy as np

# 1. Generate a sample DataArray with missing values
dims = ('y', 'x', 't')
shape = (1000, 1000, 10)
coords = {d: np.arange(s) for d, s in zip(dims, shape)}
mask = np.random.randint(0, 2, shape)
data = np.where(mask, np.random.rand(*shape), np.nan)
da = xr.DataArray(data, dims=dims, coords=coords)

# 2. Write and reload from disk as dask array
da.to_netcdf('_tmp.nc')
da = xr.open_dataarray('_tmp.nc', chunks={'y': 100, 'x': 100, 't': 1})

# 3. Iteratively fill gaps
for t in range(1, len(da['t'])):
    # The following doesn't work with dask arrays
    da[{'t': t}] = da[{'t': t}].fillna(da[{'t': t-1}])

这可以正常工作，但dask数组不支持项分配，因此最后一行不工作。我的数据集太大，无法读入内存，因此不能调用

.load（）

有没有什么方法可以这样使用

.fillna（）

，同时仍然使用通过dask提供的块的惰性计算

---

我的实际数据约为10000x1000x100，包含多个变量。

目前，Xarray仅部分支持此类操作。理想情况下，您可以使用

da.ffill（）

，但实现中存在一些可能无法提供所需结果的问题（明确地说，xarray目前不支持在块之间填充）

您可能希望查看此GitHub问题，以尝试一种潜在的解决方法：

---

如果这似乎是您的目的，我鼓励您参与这个问题。

目前看来，

da.ffill（）。如果我遇到问题，我会很高兴地回到GitHub问题上。