使用xarray，如何在多维数据集上并行化一维操作？

我有一个 4D xarray 数据集。我想在特定维度（此处为时间）上的两个变量之间进行线性回归，并将回归参数保留在 3D 数组中（其余维度）。 我设法通过使用此串行代码获得了我想要的结果，但速度相当慢：

# add empty arrays to store results of the regression
res_shape = tuple(v for k,v in ds[x].sizes.items() if k != 'year')
res_dims = tuple(k for k,v in ds[x].sizes.items() if k != 'year')
ds[sl] = (res_dims, np.empty(res_shape, dtype='float32'))
ds[inter] = (res_dims, np.empty(res_shape, dtype='float32'))
# Iterate in kept dimensions
for lat in ds.coords['latitude']:
    for lon in ds.coords['longitude']:
        for duration in ds.coords['duration']:
            locator = {'longitude':lon, 'latitude':lat, 'duration':duration}
            sel = ds.loc[locator]
            res = scipy.stats.linregress(sel[x], sel[y])
            ds[sl].loc[locator] = res.slope
            ds[inter].loc[locator] = res.intercept

我怎样才能加速和并行化这个操作？

我明白那个apply_ufunc可能是一个选项（并且可以与 dask 并行），但我没有设法获得正确的参数。

以下问题相关但没有答案：

• 将 numpy.polyfit 应用于 xarray 数据集 https://stackoverflow.com/questions/38960903/applying-numpy-polyfit-to-xarray-dataset
• 计算 xarray 中的互相关函数 https://stackoverflow.com/questions/45566703/calculating-cross-correlation-function-in-xarray

编辑 2：将之前的编辑移至答案

之前的回答由LCT https://stackoverflow.com/users/9974926/lct涵盖了这里应该说的大部分内容，however我认为可以合并dask='parallelized'具有多个输出，就像您从中获得的那样scipy.stats.linregress.

这里的技巧是将多个输出堆叠到一个数组中，然后输出它，您还必须使用output_core_dimskwarg 指定 DataArray 输出apply_ufunc()调用现在将有一个额外的维度：

def new_linregress(x, y):
    # Wrapper around scipy linregress to use in apply_ufunc
    slope, intercept, r_value, p_value, std_err = stats.linregress(x, y)
    return np.array([slope, intercept, r_value, p_value, std_err])

# return a new DataArray
stats = xr.apply_ufunc(new_linregress, ds[x], ds[y],
                       input_core_dims=[['year'], ['year']],
                       output_core_dims=[["parameter"]],
                       vectorize=True,
                       dask="parallelized",
                       output_dtypes=['float64'],
                       output_sizes={"parameter": 5},
                      )

N.B.该方法目前仅适用于dask='parallelized'如果你有dask<2.0，但如果你有其他类似的东西，它似乎适用于多个输出dask='allowed'。看看这个Github问题 https://github.com/pydata/xarray/issues/3574了解更多详情。

希望能帮助到你！

Edit:我已获悉dask<2.0只要您有，问题就已得到纠正xarray>=0.15.0！所以可以使用dask='parallelized'现在要加快速度。 :)