用途：为多维科学数据提供类似 pandas 的体验，适合气候、天气、海洋、遥感与地理空间影像分析，尤其是含时间、纬度、经度、层次、集合等多维结构的数据。
主要能力：核心对象为 DataArray（单个带标签 N 维数组，类似 N 维 pandas.Series）和 Dataset（多个 DataArray 的字典式容器，类似 N 维 pandas.DataFrame）。支持维度名、坐标值、属性元数据；支持按标签选择（.sel）与按索引选择（.isel）；自动按坐标对齐与广播；支持 groupby、resample、rolling；可读写 NetCDF、Zarr，并通过 open_mfdataset 合并多文件；集成 Dask 处理超内存数据；提供基于 Matplotlib 的绘图，可与 pandas、NumPy、SciPy 互操作。
使用方式：安装命令 pip install xarray netCDF4 dask zarr。常规导入 import xarray as xr。用 xr.open_dataset 打开文件，chunks 参数启用 Dask 惰性加载；用 .sel/.isel 选数据，用 .groupby/.resample 聚合，用 to_netcdf/to_zarr 写出；大数组需 .compute() 触发计算。示例搜索模式：xr.DataArray、xr.Dataset、ds.sel、ds.groupby、ds.resample、xr.open_dataset。
限制与注意：避免用整数位置索引（如 data[0, :, 5]），改用命名维度；转 .values 会丢失坐标与单位元数据；写出 NetCDF 时需检查 ds.encoding 中的压缩与缩放；分块过小会带来巨大开销，官方建议每块约 10MB 至 100MB；坐标存在浮点抖动时需用 interp_like 或 reindex_like 对齐；切片顺序错误可能返回空结果，需确认索引升降序。官方文档 https://docs.xarray.dev/，教程 https://tutorial.xarray.dev/。