这里的Xarray新手问题。
我正在寻找一种从Xarray提取时间序列的高效（快速和低内存）方式。
我有一个包含一年气候信息的数据集，我将从中提取一个属性（'t2m'）到Xarray中。然后，我在特定位置（经度和纬度）进行插值并将其写入数据框：
ds = xr.open_mfdataset(f_name)
da_all = ds.t2m
d_locs = {'longitude':float(lon), 'latitude':float(lat)}
da_city = da_all.interp(coords=d_locs, method='linear')
df = da_city.to_dataframe()
da_city的结构为：
<xarray.DataArray 't2m' (time: 365)>
dask.array<shape=(365,), dtype=float32, chunksize=(365,)>
Coordinates:
* time (time) datetime64[ns] 1979-01-01T11:30:00 ... 1979-12-31T11:30:00
day_of_month (time) int64 dask.array<shape=(365,), chunksize=(365,)>
month (time) int64 dask.array<shape=(365,), chunksize=(365,)>
year (time) int64 dask.array<shape=(365,), chunksize=(365,)>
longitude float64 24.5
latitude float64 10.5
Attributes:
long_name: 2 metre temperature
units: K
cell_methods: day_of_month: month: year: mean
这可行，但是要花365分钟才能返回一个365长，6宽的数据帧。
我怀疑原因是to_dataframe（）方法正在创建一个巨大的，多级索引的数据帧，我将立即对其进行切片！
在调用to_dataframe（）方法之前，是否有一种简单的方法可以对da进行切片？我在想类似的东西：
df = da_city['t2m'].to_dataframe()
但这失败了，因为da没有元素't2m'。
有人知道此处使用正确的语法吗？我敢肯定有一种简单而明显的方法可以做到这一点，但我找不到。谢谢。
更新：
分别提取时间值和数据然后制作熊猫系列也可以：
da_time = da_city['time'].values
da_vals = da_city.values
ts = pd.Series(data=da_vals, index=da_time, name='t2m')
但是获取da_city.values仍然很慢。 da_city ['time']。values是即时的。