一系列大約 90 個(gè) netCDF 文件，每個(gè)文件大約 27 MB，使用 xarray 的 open_mfdataset 打開需要很長時(shí)間才能加載一個(gè)小的時(shí)空選擇。分塊維度產(chǎn)生邊際收益。decode_cf=True 無論是在函數(shù)內(nèi)部還是單獨(dú)的也沒有區(qū)別。這里的另一個(gè)建議https://groups.google.com/forum/#!topic/xarray/11lDGSeza78讓我將選擇保存為單獨(dú)的 netCdf 并重新加載。當(dāng) dask 部分必須做一些工作（加載、計(jì)算、轉(zhuǎn)換為 pandas 數(shù)據(jù)幀）時(shí)，它似乎成為瓶頸。使用 dask.visualize 生成圖形會(huì)生成一個(gè)巨大的圖像。它可能告訴我們一些事情，但我不確定如何解釋。wind = xr.open_mfdataset(testCCMPPath,\                         decode_cf=True,\                         chunks={'time': 100,\                                 'latitude': 100,\                                 'longitude': 100})%timeit wind.sel(latitude=latRange, longitude=windLonRange, time=windDateQueryRange).load()wxr = wind.sel(latitude=latRange, longitude=windLonRange, time=windDateQueryRange)df = wxr.to_dataframe()print(df.shape)timeit 輸出顯示每個(gè)循環(huán) 1.93 秒 ± 29.8 毫秒（平均值 ± 標(biāo)準(zhǔn)偏差。7 次運(yùn)行，每個(gè)循環(huán) 1 個(gè)）df.shape 輸出只有 164x3。對(duì)于另一個(gè) xr 數(shù)組，我有一個(gè)類似的 sel，并且得到的時(shí)間約為 0.05 秒，但是這有很多稀疏點(diǎn)。wind xr 陣列幾乎沒有空格。