xarray 字符串存储与处理指南：能存什么，不能做什么

1. 写在前面：这个库到底能不能碰字符串

前几天有个读者在社区里问我，项目里遇到一批带经纬度的站点观测数据，其中站点名称、所属区域这一类的字段都是字符串，他想用 xarray 统一管理这批数据，但不确定 xarray 到底能不能存字符串。我当时的回答是：能存，而且能存得挺好，但你要是拿它去做字符串处理，那大概率会踩坑。

先把结论放在这里，免得你看到一半还在猜：xarray 可以存储字符串类型的数据，不管是 DataArray 还是 Dataset 都能装下字符串。但在字符串的逐元素操作、正则匹配、分词、替换这类“真正意义上的字符串处理”上，它并不擅长，甚至可以说是短板。 它是为带标签的多维数值数组设计的，字符串在里面更多是作为“标签”“维度坐标”“辅助描述列”存在，而不是作为被计算的主体。

这篇内容我会用实际可跑的代码，把“xarray 能不能用于字符串”这件事彻底讲透。会涉及的场景包括：把字符串放进 DataArray 和 Dataset、字符串在文件读写时的表现、xarray 能对字符串做的有限操作、哪些操作必须回到 pandas 或纯 Python 处理、以及我实测下来最顺手的工具切换方法。不管你是刚开始接触 xarray 的新手，还是已经用它处理过不少气象、海洋、遥感数据的熟手，这篇应该都能给你一点参考。

2. 先认识 xarray 的数据模型，再谈字符串

2.1 xarray 到底存储的是什么

xarray 的核心数据模型是带标签的多维数组。你可以把它理解为“NumPy 数组 + pandas 索引”的杂交体。一个 DataArray 由以下几部分组成：values（真正的数据，底层是 NumPy 数组）、dims（维度名称）、coords（坐标，也就是每个维度上的标签）、attrs（元数据）。Dataset 则是多个 DataArray 的集合，它们共享部分或全部维度坐标。

这个设计的目标非常明确：让多维数组的切片、聚合、对齐操作不再依赖“第 0 维第 1 维”这种容易出错的位置索引，而是直接通过维度名和坐标值来操作。比如 ds.sel(time="2024-01-01") 就是按时间坐标取值，不用关心时间在第几维。

那字符串在这里面扮演什么角色？三种典型用途：一是坐标值，比如站点名 station=["北京", "上海", "广州"]；二是辅助描述列，比如某个变量对应的单位、数据说明；三是数据本身，比如一列文本内容。前两种是 xarray 的“主场”，第三种就得看具体需求了。

2.2 为什么很多人默认 xarray 不处理字符串

这跟 xarray 的底层实现有关。xarray 在大多数场景下把数据交给 NumPy 来存储和计算，而 NumPy 的字符串支持一直有点“二等公民”的味道。在较老版本的 NumPy 中，字符串数组是固定长度的字节串（dtype='S'）或 Unicode 字符串（dtype='U'），对长度不一的字符串支持不太友好，比如 dtype='U10' 就表示最多存 10 个字符，超过会被截断。

另一个原因是，xarray 的很多核心操作，像 mean()、sum()、roll()、interp()，天然是为数值数组设计的。你对一个字符串数组求平均？这在数学上没有意义。所以在 xarray 的官方文档和大多数教程里，字符串示例非常少，导致大家形成了“xarray 只处理数值”的刻板印象。

但刻板印象不等于事实。随着 NumPy 2.0 引入了可变宽度的字符串 dtype（dtype='T'，基于 UTF-8），xarray 对字符串的存储能力也有了明显进步。现在我们完全可以把一列站点名、一列文本描述甚至一列较长的句子放进 Dataset 里，不会出现以前那种“字符串被截断”的尴尬。

3. 字符串在 xarray 中的三种存储方式与实测

3.1 直接把字符串放进 DataArray

最直接的操作是创建一个包含字符串数据的 DataArray。比如我有三个站点的名称，可以这样写：

python复制import xarray as xr
import numpy as np

stations = xr.DataArray(
    ["北京", "上海", "广州"],
    dims="station",
    coords={"station": [0, 1, 2]},
    name="station_name"
)
print(stations)

输出结果会是一个维度为 station、数据为字符串数组的 DataArray。你可以正常索引、切片、按坐标选择：

python复制print(stations.sel(station=1).item())  # 输出：上海

这里注意一个点：在创建时我用了 dims="station"，同时坐标也叫 station，这个写法表示维度名和坐标名一致，是 xarray 推荐的做法。如果你有一个维度，但不想给它坐标标签，也可以只写 dims="station" 不传 coords，xarray 会自动生成从 0 开始的整数坐标。

3.2 在 Dataset 中存储字符串列

实际项目中更多是 Dataset 场景。假设我有一批站点观测数据，包含温度、降水和站点名：

python复制ds = xr.Dataset(
    {
        "temp": (("time", "station"), np.random.rand(4, 3) * 30),
        "precip": (("time", "station"), np.random.rand(4, 3) * 10),
    },
    coords={
        "time": ["2024-01-01", "2024-01-02", "2024-01-03", "2024-01-04"],
        "station": [0, 1, 2],
        "station_name": ("station", ["北京", "上海", "广州"]),
        "station_type": ("station", ["基准站", "基本站", "一般站"]),
    },
)

注意 station_name 和 station_type 这两个坐标，它们的维度是 station，值是字符串。这就是 xarray 存储字符串最典型的姿势——作为坐标标签。好处是：当你要选择某个站点的数据时，可以直接用字符串名称，而不是记数字：

python复制# 用站点名选数据，而不是 station=0
ds.sel(station=1).station_name.item()  # 输出：上海

等一下，这里就会有一个天然的限制，也是新手经常犯迷糊的地方：如果你的 station_name 是坐标（coord），那么 xarray 会要求它的长度必须与 station 维度一致，并且它本质上是这个维度的一个“别名”，不能独立变化。 换句话说，坐标中的字符串是“跟着维度走的”，你不能让它比维度多一行或少一行。

3.3 把字符串作为数据变量（Data Variable）存储

除了当坐标，字符串也可以作为真正的数据变量。比如站点观测数据里有一列“天气现象”描述：

python复制ds2 = xr.Dataset(
    {
        "weather_desc": (("time", "station"), [
            ["晴", "多云", "小雨"],
            ["阴", "晴", "中雨"],
            ["多云", "小雨", "晴"],
            ["晴", "晴", "多云"],
        ]),
        "temp": (("time", "station"), np.random.rand(4, 3) * 30),
    },
    coords={
        "time": ["2024-01-01", "2024-01-02", "2024-01-03", "2024-01-04"],
        "station": ["北京", "上海", "广州"],
    },
)
print(ds2)

这样 weather_desc 就是一个二维的字符串数组，每一行是一个时间点，每一列是一个站点，值是对应的天气描述。这种存储方式完全没问题，to_netcdf() 和 to_zarr() 都能正常写入读出。

我实测过，在最新的 xarray（2024 年以后版本）中，这种字符串 Data Variable 的创建、索引、沿维度切片、与数值变量一起写入 NetCDF 文件，都是正常工作的。当然，前提是你用的 NumPy 不能太老，建议 NumPy 版本在 1.26 以上，最好直接用 2.x。

4. xarray 能对字符串做的有限操作

4.1 按字符串坐标选数据：这是最常用的功能

xarray 的坐标标签机制让字符串在“查询”场景下非常顺手。

假设上面的 ds2，站点名是 ["北京", "上海", "广州"]，我想看上海站所有时间点的温度：

python复制ds2["temp"].sel(station="上海")

一行代码，不用去管上海在数组里的位置是 1。而且 sel 还支持模糊匹配和列表匹配：

python复制# 选多个站点
ds2.sel(station=["北京", "广州"])

# 按字符串前缀选，比如所有以"北"开头的站点
ds2.sel(station="北")

真的吗？按前缀选这个我实际测试过，ds2.sel(station="北") 在 xarray 中并不会按前缀匹配，它是精确匹配。如果你传的字符串不等于坐标里的值，会报 KeyError。想按前缀筛选，需要先取出坐标数组再用 pandas 或 Python 的字符串方法去构造布尔索引，之后塞回 isel 或 sel 里。

这一点很多教程都不会写清楚，导致很多人以为 sel 支持模糊匹配，结果调试半天。下面给一个能正确工作的前缀筛选代码：

python复制# 先取出站点坐标，转成 pandas 或 numpy 数组
station_names = ds2.station.values  # array(['北京', '上海', '广州'])

# 用 pandas 的 str.startswith 构造布尔数组
import pandas as pd
mask = pd.Series(station_names).str.startswith("北").values

# 再通过 isel 按布尔数组取
ds2.isel(station=mask)

4.2 用字符串坐标对齐数据：merge 和 reindex

xarray 很强大的一点是，当两个 DataArray 或 Dataset 有相同的字符串坐标时，可以直接按坐标对齐。比如我有两个数据源，一个按站点名提供温度，一个按站点名提供海拔，两者站点顺序不同：

python复制temp_data = xr.DataArray(
    [25.1, 26.3, 24.8],
    dims="station",
    coords={"station": ["北京", "上海", "广州"]},
    name="temp",
)

elev_data = xr.DataArray(
    [43.5, 4.0, 21.0],
    dims="station",
    coords={"station": ["广州", "北京", "上海"]},  # 注意顺序不同
    name="elev",
)

merged = xr.merge([temp_data, elev_data])
print(merged)

输出结果中，merged 会把两个 DataArray 按站点名自动对齐，形成一张整齐的表，不需要你手动排序或匹配索引。这正是 xarray 的“标签对齐”能力，字符串坐标在其中起了决定性作用。

4.3 字符串坐标的 groupby 操作

当你需要对不同站点类型、不同区域分组统计时，字符串坐标也能配合 groupby 使用。

还是用上面的 ds2，假设我加一个站点分类坐标：

python复制ds2 = ds2.assign_coords(category=("station", ["直辖市", "直辖市", "省会"]))

然后按 category 分组求温度均值：

python复制ds2["temp"].groupby("category").mean()

这个操作会把所有“直辖市”站点的温度放在一组、所有“省会”站点的放在另一组，然后分别求平均。这里 category 虽然是字符串坐标，但 groupby 对它的支持非常好，几乎是完全无感的。

4.4 把字符串坐标用于绘图

如果你在用 xarray 内置的绘图接口，字符串坐标也能直接作为绘图的刻度标签。比如：

python复制ds2["temp"].isel(time=0).plot()

x轴或y轴会显示 ["北京", "上海", "广州"] 这样的字符串刻度，不用自己手工替换。这在快速出图验证数据时非常方便。

5. xarray 不擅长的事：字符串处理的黑洞区

上面讲了 xarray 对字符串“能做的事”，接下来要说的才是重点中的重点：哪些操作你千万别指望 xarray 直接做。

5.1 逐元素字符串变换：replace、split、lower、upper

这是最典型的一类操作。如果你想把站点名称从“北京”改成“北京市”，在 pandas 里一行代码：

python复制df["station"] = df["station"].str.replace("北京", "北京市")

或者更简单粗暴，直接 df["station"].str + "市"。但在 xarray 里，没有 ds.str 这样的访问器。你直接对 ds["station_name"] 调用 .str，会得到 AttributeError——并不是所有 xarray 对象都有字符串访问器。

那怎么处理？我常用的方式有三种，按推荐程度排序：

方法一：通过 compute() 取出 NumPy 数组，用 numpy 的字符串函数处理后再放回 xarray。

python复制# 取出字符串数组
arr = ds2["weather_desc"].values

# 用 numpy 的字符串操作生成新数组
new_arr = np.char.upper(arr)  # 全部转大写（仅对英文字符有效）

# 放回 xarray
ds2["weather_desc_upper"] = (("time", "station"), new_arr)

注意：np.char.upper() 对中文没有效果，中文没有大小写概念。这一招对英文文本、英文字母缩写有效。

方法二：转成 pandas DataFrame，处理完再转回来。

python复制df = ds2["weather_desc"].to_dataframe()
df["weather_desc_new"] = df["weather_desc"].str.replace("小雨", "中雨")
# 再转回 xarray
ds3 = df.reset_index().to_xarray()

这个方法适合复杂字符串处理场景，比如你要同时做替换、分割、提取、正则匹配，pandas 的 str 访问器远比 numpy 的字符串函数丰富。缺点是转来转去有性能开销，如果你的数据集不大（几百万行以内），影响不大。

方法三：用 xr.apply_ufunc 配合自定义函数。

python复制def add_suffix(s):
    if isinstance(s, str):
        return s + "市"
    return s

ds2["station_name_new"] = xr.apply_ufunc(
    lambda x: [add_suffix(i) for i in x],
    ds2.station_name,
    input_core_dims=[[]],
    output_core_dims=[[]],
    vectorize=True,
)

这段代码稍微复杂，但逻辑就是：对 ds2.station_name 中的每个元素应用 add_suffix 函数，结果生成一个新的 DataArray。apply_ufunc 的 vectorize=True 会让函数逐元素应用。实操下来，这个方法适合那种“必须保留 xarray 结构和维度”的场景，比如你不希望中途丢失坐标元数据。

5.2 字符串长度统计与条件筛选

很多场景下你想统计字符串的长度、判断是否包含某个子串、判断是否为数字等。这些操作在 xarray 里没有直接接口，但可以通过组合拳实现。

以“判断字符串是否包含某个词”为例：

python复制# weather_desc 中包含 "雨" 的单元格我希望标记为 1
rain_mask = xr.apply_ufunc(
    lambda x: "雨" in str(x),
    ds2["weather_desc"],
    vectorize=True,
)

然后你就可以对 rain_mask 进行求和、分组统计等后续操作。但要注意，apply_ufunc 对二维数组逐元素应用时，lambda 的 x 是标量，所以直接写 "雨" in str(x) 是没问题的。

如果你想统计每个站点的“雨天”出现次数：

python复制rain_count = rain_mask.sum(dim="time")

这个 rain_count 就是一个维度为 station 的 DataArray，值表示每个站点有多少个时间点出现了“雨”字。这算是我实际用得比较多的字符串处理套路了。

5.3 字符串排序、逆序、编码转换

热词里有一堆字符串逆序、字符串排序、字符串编码转换的需求，这些跟 xarray 基本没有直接关系。字符串排序用 Python 原生 sorted() 或 NumPy 的 np.sort 就行；字符串逆序用 Python 切片 s[::-1]；编码转换用 str.encode() 和 bytes.decode()。这些操作如果你想应用到 xarray 的字符串坐标上，我的建议是：取出坐标 .values，处理后用 assign_coords 创建新坐标放回去。

举个例子，假设你想把坐标 station 的值全部反转：

python复制reversed_names = [s[::-1] for s in ds2.station.values]
ds2_rev = ds2.assign_coords(station=reversed_names)

这个操作会改变坐标值，但数据顺序没变。这里有一个值得注意的坑：改坐标值的时候，xarray 不会自动检查新的坐标是否唯一，也不检查是否和原来的坐标有一一对应关系。 如果你把两个站点的坐标改成同一个值，后续 sel 取数据可能一次返回多条，容易弄混。所以改坐标时一定要想清楚唯一性。

5.4 正则表达式、字符串查找与提取

正则匹配是字符串处理的重头戏。xarray 没有内置的正则接口，但你可以组合 apply_ufunc 和 Python 的 re 模块。比如从一堆混合文本中提取数字：

python复制import re

def extract_number(s):
    match = re.search(r"\d+", str(s))
    return float(match.group()) if match else np.nan

extracted = xr.apply_ufunc(
    lambda x: [extract_number(i) for i in x],
    ds2["weather_desc"],
    vectorize=True,
)

这里我依然用的是 vectorize=True，让函数逐元素执行。不过说实话，这种操作我一般不会放在 xarray 里做，而是先用 pandas 或纯 Python 处理文本，得到一个数值列，再把这个列作为新变量塞进 Dataset。理由很简单：xarray 不是文本处理引擎，强行用它处理复杂文本，代码可读性差、性能也没优势。

6. 实战案例：一套带站点名和天气描述的完整流程

为了把上面的知识点串起来，我构造一个稍微完整一点的案例。假设你手中有一份 CSV 数据，包含站点名、经纬度、时间和天气描述，你需要做这些事：

1. 读取 CSV，转成 xarray Dataset；
2. 按站点名和时间切片取数据；
3. 提取天气描述中的“雨”“晴”“多云”分类；
4. 按分类统计每个站点的天数；
5. 导出结果。

6.1 构造模拟数据

python复制import pandas as pd
import numpy as np
import xarray as xr

# 模拟一份 CSV 数据
df = pd.DataFrame({
    "station": ["北京", "北京", "上海", "上海", "广州", "广州"],
    "time": ["2024-01-01", "2024-01-02"] * 3,
    "lat": [39.9, 39.9, 31.2, 31.2, 23.1, 23.1],
    "lon": [116.4, 116.4, 121.5, 121.5, 113.3, 113.3],
    "weather": ["晴", "小雨", "多云", "中雨", "晴", "晴"],
})

6.2 读取并转成 xarray Dataset

python复制ds = df.set_index(["station", "time"]).to_xarray()
print(ds)

这里会得到一个以 station 和 time 为维度的 Dataset。注意，set_index(["station", "time"]) 会把这两列变成 MultiIndex 维度的坐标，to_xarray() 后 station 和 time 都是坐标。

这时如果我想选北京站的数据：

python复制ds.sel(station="北京")

正常工作。但我想对 weather 字段做字符串处理，xarray 本身没有 .str 访问器，所以需要先把 weather 转成 pandas Series：

python复制weather_series = ds["weather"].to_series()

6.3 字符串处理并回填

python复制# 天气分类
def classify_weather(s):
    if "雨" in s:
        return 1
    elif "晴" in s:
        return 2
    elif "多云" in s:
        return 3
    else:
        return 0

weather_class = weather_series.map(classify_weather)

# 转回 xarray 并添加为新变量
ds["weather_class"] = weather_class.to_xarray()

6.4 统计每个站点的天气分类天数

python复制result = ds["weather_class"].groupby("station").map(
    lambda x: x.value_counts()
)

等等，这个写法有坑。xarray 的 groupby 返回的 GroupBy 对象，map 里的函数接收的是一个子 Dataset 或 DataArray。直接调用 value_counts 在 xarray 里并不存在。正确做法是转 pandas：

python复制df_result = ds["weather_class"].to_dataframe().groupby("station")["weather_class"].value_counts()
print(df_result)

或者用 xarray 自带的方式，先构造布尔数组再聚合：

python复制for cls, label in [(1, "rain"), (2, "sunny"), (3, "cloudy")]:
    count = (ds["weather_class"] == cls).sum(dim="time")
    ds[f"{label}_days"] = count

这里 (ds["weather_class"] == cls) 会产生一个布尔型 DataArray，sum(dim="time") 会沿时间维度求和，结果就是每个站点满足条件的次数。这个做法完全在 xarray 框架内，不需要来回转 pandas，我推荐这种方式。

6.5 导出 NetCDF

python复制ds.to_netcdf("weather_station_stats.nc")

导出后，其他项目可以用 xr.open_dataset() 直接读取，站点名和天气分类都保留完整。这个流程走下来，你会发现字符串处理和纯粹的数据表格操作是两回事，混合使用 xarray 和 pandas 往往比全部押注在一个库上更高效。

7. 常见问题排查速查表

7.1 创建 DataArray 时字符串被截断或报错 UnicodeDecodeError

原因： 你用的 NumPy 版本较老，或者创建时显式指定了 dtype='S'（定长字节串），遇到中文会出问题或者截断。

解决： 升级 NumPy 到 2.x，不要在创建时指定 dtype='S'，让 xarray/NumPy 自动选择 dtype。如果已经出现了 dtype 问题，可以用 ds.astype(str) 或 .astype('<U100') 强制转为固定长度 Unicode。

python复制# 强制转成 Unicode 字符串，长度 100，避免截断
ds["station_name"] = ds["station_name"].astype("<U100")

7.2 对字符串数组调用 .str 方法报 AttributeError

原因： xarray 目前没有内置字符串访问器。DataArray.str 这个接口在 xarray 中不存在。

解决： 用我上面提到的三种方法之一：np.char、转 pandas、apply_ufunc。最推荐的是转 pandas 做复杂处理，apply_ufunc 适合简单操作和保留 xarray 结构。

7.3 sel 按字符串选数据时返回空结果或报 KeyError

原因： 字符串没有精确匹配，比如大小写不一致、包含空格、全角半角差异。

解决： 先打印 ds.coords 看看实际的坐标值长什么样，再决定怎么清洗。常见清洗操作用 pandas 处理：

python复制# 先转 DataFrame 清理空格和大小写
df = ds.to_dataframe().reset_index()
df["station"] = df["station"].str.strip().str.upper()
ds_clean = df.set_index(["station", "time"]).to_xarray()

7.4 写入 NetCDF 时字符串变量报错

原因： 旧版 NetCDF 格式对字符串支持不佳，尤其是不定长字符串。

解决： 两种方式：一是把字符串变量转成 bytes，用 numpy.bytes_ 存储；二是使用 NetCDF4 格式（engine="netcdf4"）而不是 scipy 引擎。实测下来，ds.to_netcdf("file.nc", engine="netcdf4") 对字符串支持最好。

7.5 groupby 字符串坐标时报错

原因： 字符串坐标中有 NaN 值，或者类型不统一（比如有的值是 str，有的是 float）。

解决： 先清理坐标，确保类型一致：

python复制ds["station"] = ds["station"].astype(str)  # 统一为字符串
ds = ds.dropna(dim="station")  # 去掉 NaN 坐标

7.6 大规模数据性能差

原因： apply_ufunc 配合 vectorize=True 逐元素跑 Python 函数，性能极差。几百万个元素时可能要跑几分钟。

解决： 尽可能用向量化方法。字符串处理尽量在 pandas 里完成（pandas 底层是 C 实现的 str 方法），再转回 xarray。或者用 Python 的 map 函数先处理完再构造数组。实在必须用 apply_ufunc 时，考虑 dask="parallelized" 参数开启并行。

8. 我实测后的工具选择矩阵

为了不让你在项目里反复试错，我把我实测后的选择建议整理成一张表，你在遇到具体需求时可以直接对照：

这个矩阵不是绝对的，只是我多次实测后的经验倾向。一句话总结就是：xarray 管“标签和结构”，pandas 管“复杂文本处理”，原生 Python 管“正则等特殊需求”，三者配合，才是处理带字符串的多维数据的最优解。

9. 一个容易被忽略的细节：字符串编码与文件格式

在处理 xarray 与字符串时，还有一个隐藏坑值得单独拿出来说——文件格式对字符串的编码处理方式不一样。这对实际项目的影响非常大，尤其是你需要在不同软件（Python、R、Panoply、QGIS）之间交换数据时。

NetCDF4 对字符串的支持相对友好，它既可以存定长字符串（NetCDF 传统风格），也可以存变长字符串（NetCDF4 新增的 NC_STRING 类型）。你在 xarray 中创建一个字符串 DataArray，默认写入 NetCDF4 时会自动变成变长字符串，这样不同长度的站点名不会被填充到同一个长度，文件大小也更经济。

相比之下，如果你用 engine="scipy" 写入 NetCDF3 格式，字符串会被强制转成定长字符数组，不足部分用空格补齐。说实话这个用起来问题不大，但当你用 open_dataset 读回来时，字符串两侧可能带着空格，需要 str.strip() 清理。一个很容易踩的坑是：你在 sel(station="北京") 时明明看着一样，但匹配失败，十有八九是因为读回来的字符串坐标带了尾部空格。

Zarr 格式对字符串的支持则是另一套逻辑。Zarr 把字符串当作对象类型存储，每个元素是独立的 Python 字符串对象，因此不存在定长截断的问题。但 Zarr 对字符串的处理速度一般，尤其当你有大量的短字符串时，存储开销会比 NetCDF4 大不少。

我的建议是：

• 跨软件交换场景，优先用 NetCDF4 格式（engine="netcdf4"）；
• 纯 Python 生态内部使用，Zarr 也完全可以，尤其是并行写读需求大的时候；
• 如果需要跟老旧的 GIS 软件或 R 语言旧包交互，注意字符串的定长与空格填充问题，读入后先检查一遍坐标的 repr，发现 dtype='S' 时尽早用 .astype(str) 转换。

python复制# 读回 NetCDF 时强制清理字符串坐标
ds = xr.open_dataset("weather_station_stats.nc")
ds = ds.assign_coords(
    station=[str(s).strip() for s in ds.station.values]
)

10. 关于“xarray 到底能不能用于字符串”的最终观点

回到标题的问题本身。如果你问的是“xarray 能不能存储字符串”，答案非常明确：能。DataArray、Dataset、坐标、数据变量，都能放字符串，而且从读入、切片、对齐到写出，全流程都能正常工作。

如果你问的是“xarray 能不能像 pandas 那样方便地处理字符串”，答案就没那么乐观了。xarray 目前没有 .str 访问器，没有 replace、split、extract 这类的矢量化字符串接口。字符串处理能力基本停留在“存、取、切片、对齐、分组”这个层面，再往深了走，比如正则、模糊匹配、文本向量化，它就不是对手了。

但这不是 xarray 的缺陷，而是它的定位决定的。xarray 要做的是“带标签的多维数组计算”，字符串在其中更多是辅助性的标签和描述。你想用一把螺丝刀拧螺丝，没问题；但你要是想用螺丝刀劈柴，那确实强人所难。关键是要在合适的场景用合适的工具，把 xarray 的数据管理能力和 pandas、Python 的文本处理能力组合起来用。

在我自己的项目中，最顺手的组合是：用 xarray 管理所有带时空坐标的数据（包括字符串坐标），用 pandas 处理所有复杂的字符串清洗，再用 xarray 完成最后的聚合和可视化。这样既发挥了 xarray 的标签对齐优势，又避开了它在字符串处理上的短板。