您可以通过使用apply_ufunc方法和vectorize=False，将自定义函数逐元素应用于DataArray
就像这样：

import numpy as np
import xarray as xr

def custom_function(x):
    # Your custom non-vectorized function here
    scalar_output = x * 2
    return scalar_output

data = xr.DataArray([1, 2, 3, 4], dims='x')

# Apply the custom function element-wise
result = xr.apply_ufunc(custom_function, data, vectorize=False)

print(result)

输出量：

<xarray.DataArray (x: 4)>
array([2, 4, 6, 8])
Dimensions without coordinates: x

**[编辑]**您可以通过将DataArray转换为pandas Series，应用您的自定义函数，然后将其转换回DataArray来实现这一点。你可以这样做：

import numpy as np
import xarray as xr

def custom_function(x):
    scalar_output = x * 2
    return scalar_output

data = xr.DataArray([1, 2, 3, 4], dims='x')

# Convert DataArray to pandas Series
data_series = data.to_series()

# Apply custom function to each element
result_series = data_series.apply(custom_function)

# Convert the result back to a DataArray
result = xr.DataArray(result_series, dims='x')

print(result)

输出量：

<xarray.DataArray (x: 4)>
array([2, 4, 6, 8], dtype=int64)
Coordinates:
  * x        (x) int64 0 1 2 3

或者另一个头脑 Storm 的想法：列表理解。

PS：

• 虽然list comprehension对于简单的情况很简单，但它不会自动处理元数据或维度信息。如果这些方面对您的用例很重要，则需要手动管理它们。
• 如果您主要使用xarray DataArrays并希望维护维度和元数据信息，则apply_ufunc是更合适的选择。但是，对于更一般的情况，或者当您需要对操作进行更细粒度的控制时，列表解析可能是一个合适的选择。
  片段：

result_values = [custom_function(x) for x in data.values]
result = xr.DataArray(result_values, dims='x')

示例代码：

import xarray as xr

def custom_function(x):
    scalar_output = x * 2
    return scalar_output

data = xr.DataArray([1, 2, 3, 4], dims='x')

# Apply the custom function element-wise using a list comprehension
result_values = [custom_function(x) for x in data.values]
result = xr.DataArray(result_values, dims='x')

print(result)

输出：

<xarray.DataArray (x: 4)>
array([2, 4, 6, 8])
Dimensions without coordinates: x

按照建议使用apply_ufunc，我得到了vectorize=True的预期结果：

data = xr.DataArray([1, 2, 3, 4], dims='x')
# xr.apply_ufunc(custom_function, data) # fails, equivalent to vectorize=False
xr.apply_ufunc(custom_function, data, vectorize=True) # working

<xarray.DataArray (x: 4)>
array([<class 'int'>, <class 'int'>, <class 'int'>, <class 'int'>],
      dtype=object)
Dimensions without coordinates: x

说明：using vectorize=True用numpy.vectorize Package 了custom_function，基本上把它变成了一个for循环，这正是我所需要的。