xarray 高阶 diff 报 RecursionError：逐阶迭代保留坐标

DataArray.diff("x", n=900) 能运行，阶数接近 1000 后却报 RecursionError: maximum recursion depth exceeded。数据长度仍然够用，失败可能来自 xarray 按差分阶数递归调用，而非数组没有足够元素。

这一行为在 2026 年 10 月开发构建有明确记录，正式 xarray 2026.9.0 的 Dataset.diff 也仍在 n>1 时调用自身。具体能到多少阶取决于当前调用栈和 Python 递归限制，1000 不是统一的安全边界。

默认 upper 标签下，改为逐阶一阶差分

如果任务确实需要高阶离散差分，且采用默认 label="upper"，可以让应用循环调用一阶接口：

import operator


def diff_repeated_upper(array, dim, n):
    order = operator.index(n)
    if order < 0:
        raise ValueError("n must be non-negative")
    result = array
    for _ in range(order):
        result = result.diff(dim, n=1, label="upper")
    return result

array 是原来的 DataArray 或 Dataset，dim 是实际要差分的维度。n=0 原样返回对象；若调用方需要独立副本，应另行明确。每次只做一阶差分，避免累积 Python 递归帧，但仍会执行相应次数的计算或任务图构建。

这里特意限定 upper。高阶差分的标签选择要与预期坐标逐项核对，不能把默认标签的绕行直接套到自定义 lower 或其他坐标政策上。按 NumPy 计算裸数组再随意贴回旧坐标，也可能把新长度与坐标含义配错。

算法能结束，不代表高阶结果有用

长度为 3000、阶数为 1200 的一维输入，差分轴预期剩下 1800 个位置。默认 upper 标签对应连续保留后侧坐标；其他维度和不参与差分的变量还要按 xarray 规则检查。

高阶差分会放大舍入误差和噪声，整型中间运算还可能溢出。把递归改成循环不改善这些数值条件，也不保证结果符合业务上的导数估计。先确认需要的是离散差分，还是带坐标间距的数值微分，不能只因为有一个 n 参数就把阶数不断调高。

对 Dask 数据，逐阶操作可能建立很大的任务图，并有分块开销；不要为了避开 Python 栈错误就直接加载整个大数据集。应按实际内存、计算预算和可接受阶数设置上限。

用低阶对照与结果坐标验收

先在可控样本上，将循环的低阶结果与相同参数的常规 diff 比较，再检查高阶结果长度、坐标、dtype、缺失值和有限性。对简单可推导序列，可以按差分定义检查数值；不要仅把 NumPy 返回的 shape 相同当作全部验收。

不建议只提高 sys.setrecursionlimit()。它改的是进程级保护，无法减少计算量，还可能让其他递归消耗更多栈。这里的处理也不同于原生 C 排序栈溢出，不能用同一套参数修复。

正式 2026.9.0 仍有递归实现，问题关闭不构成已发布修复证据。后续更新时，保留原阶数和坐标政策复查；确认正式实现及任务资源都符合要求后，再决定是否移除应用循环。