一系列大約 90 個 netCDF 文件，每個文件大約 27 MB，使用 xarray 的 open_mfdataset 打開需要很長時間才能加載一個小的時空選擇。分塊維度產生邊際收益。decode_cf=True 無論是在函數內部還是單獨的也沒有區別。這里的另一個建議https://groups.google.com/forum/#!topic/xarray/11lDGSeza78讓我將選擇保存為單獨的 netCdf 并重新加載。當 dask 部分必須做一些工作（加載、計算、轉換為 pandas 數據幀）時，它似乎成為瓶頸。使用 dask.visualize 生成圖形會生成一個巨大的圖像。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 輸出顯示每個循環 1.93 秒 ± 29.8 毫秒（平均值 ± 標準偏差。7 次運行，每個循環 1 個）df.shape 輸出只有 164x3。對于另一個 xr 數組，我有一個類似的 sel，并且得到的時間約為 0.05 秒，但是這有很多稀疏點。wind xr 陣列幾乎沒有空格。