在使用Xarray做多维数据计算时，不少开发者发现两个数据集执行相加操作后，原本包含的时间维度竟然从结果中消失了。这种现象往往让人困惑，因为并没有收到报错，但后续的按时间切片或绘图都会失败。理解Xarray的对齐与广播机制，是定位该问题的关键。
问题复现与常见原因
Xarray的二进制运算（如加法）会先按坐标标签对齐，再逐元素计算。如果参与运算的两个数据集在时间坐标上存在以下情况，就可能导致时间维度异常消失：
- 时间坐标数据类型不一致，例如一个是DatetimeIndex，另一个是object或字符串。
- 两个数据集的时间维度名称不同，如一个叫time，另一个叫datetime。
- 时间坐标存在重复值或未排序，触发静默的索引合并。
- 某一数据集将时间存为普通变量而非坐标，相加时被当作非维度变量处理。
示例代码：触发维度消失
下面这段代码中，由于ds2的时间坐标是对象类型，Xarray无法与ds1的datetime坐标对齐，最终返回不含时间维度的标量式结果。
import xarray as xr
import numpy as np
import pandas as pd
# ds1使用标准datetime坐标
ds1 = xr.Dataset(
{"temp": ('time', np.arange(3))},
coords={'time': pd.date_range('2020-01-01', periods=3)}
)
# ds2时间坐标为object字符串，维度名同为time但类型不匹配
ds2 = xr.Dataset(
{"temp": ('time', np.arange(3) * 2)},
coords={'time': [str(d) for d in pd.date_range('2020-01-01', periods=3)]}
)
result = ds1 + ds2
print(result)
# 输出中time维度消失，仅剩temp变量且无坐标
解决方案
方法一：统一时间坐标类型与名称
在相加前，确保两边的时间坐标都是DatetimeIndex且维度名一致。可以用pd.to_datetime转换，并通过rename改维度名。
# 修正ds2的时间坐标
ds2['time'] = pd.to_datetime(ds2['time'])
ds2 = ds2.rename({'time': 'time'})
result = ds1 + ds2
print(result.dims) # 正常包含time维度
方法二：使用align强制对齐
当两份数据时间轴不完全重合时，可调用align函数以inner或outer方式显式对齐，避免静默丢弃。
ds1_align, ds2_align = xr.align(ds1, ds2, join='inner') result = ds1_align + ds2_align
方法三：将时间变量提升为坐标
如果时间只是普通变量，使用set_coords将其变为坐标，保证维度参与运算。
if 'time' not in ds2.coords:
ds2 = ds2.set_coords('time')
总结建议
遇到Xarray数据集相加时间维度消失，优先检查坐标类型、维度命名与对齐方式。在流水线开头统一时间格式，并在关键步骤用align控制合并逻辑，可彻底规避该问题。保持坐标干净，时间轴自然不会偷偷溜走。