Sorting 使用dask沿轴排序数据集

我想每年按照时间维度对数据集（netcdf文件）进行排序，然后对它们进行平均。问题是dask只支持“topk”排序，如果包含整个范围的值，则会消耗所有内存。Xarray仅支持一维数组的排序。numpysort完成了这项工作，但它也消耗内存。是否有任何方法可以使用dask跨某个轴对整个大型数据集进行排序以减少内存占用？

我正在尝试使用dask并行化将xarray.apply_ufunc应用于groupby对象，但得到的错误是，我需要指定输出类型（我已指定）。我是做错了什么，还是应用了ufunc不支持groupby对象？代码：

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

。错误：

ValueError:output dtypes（output\u dtypes）必须提供，以便在使用dask='parallelized'时应用\u func

我正在尝试将xarray.apply\u ufunc应用于具有dask并行化的groupby对象，但得到需要指定output\u dtypes（我已指定）的错误。我是做错了什么，还是应用了ufunc不支持groupby对象？代码：

xarray.apply_ufunc（numpy.sort，dataset.groupby（'time.year'），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