xarray Dataset.sum 遇到字符串标量，报 add.reduce 类型错误

数据集的数值变量可以求和，但加上一个没有维度的字符串变量后，dataset.sum("index") 突然报 TypeError，错误指向 NumPy 的 add.reduce。先检查字符串到底是数据变量还是坐标；没有 index 维度，不代表它一定会被原样保留下来。

import xarray as xr

dataset = xr.Dataset({
    "a": ("index", [1, 2, 3]),
    "description": "hello",
})
result = dataset.sum("index")

这里 description 是零维数据变量。相关故障在 2026 年 6 月已有记录，正式 2026.09.0 的归约选择仍包含这条分支，不能承诺换成该版本就会跳过它。

为什么 numeric_only 没有挡住字符串

Dataset 的聚合会逐个处理变量。对于不含待归约维度的变量，正式实现仍可能把它送入归约；零维变量的归约轴又可能变为 None，最后调用 NumPy 的求和逻辑。

所以，不能仅从数值聚合函数的名称，推断所有字符串元数据都会被忽略。把 skipna=True 加上去也不是处理字符串的方法；缺失值规则与变量是否应参加归约是两件事。

只让需要计算的变量参与求和

若 description 必须继续作为数据变量输出，可以先明确选择数值变量，再把无需计算的标量补回：

result = dataset[["a"]].sum("index")
result["description"] = dataset["description"]

这里的选择列表由业务定义。大型数据集不应机械地取所有“看起来能转成数字”的变量；时间、类别编码和标志位即使存成数值，也未必有求和意义。补回的变量必须确实不依赖已消失的 index 维度。

如果字符串本来就是整个数据集的说明信息，适合充当坐标，则可以明确改变其角色：

with_description_coord = dataset.set_coords("description")
result = with_description_coord.sum("index")

零维坐标不含被归约维度，会在这条流程中保留。这种写法改变了数据模型：description 不再列在 data_vars，下游遍历、合并和序列化可能据此采用不同规则。只有符合应用含义时才这么做，不能把所有导致错误的变量都转成坐标。

不要把字符串强转成零，也不要全局捕获 TypeError 后丢掉变量。前者篡改数据，后者还会隐藏其他真实计算错误。

验收除了数值结果，还应检查变量角色、零维说明值、属性和坐标是否满足下游约定。在上例中，a 的和应是 6；采用第一种处理时说明仍是数据变量，第二种处理时它是坐标。两条路径各有明确语义，不能只比较屏幕打印的字符串相同。需要保留属性时，也应按当前聚合接口显式核对 keep_attrs，而不是假设求和后全部元信息自动保留。