### 合并多个 NetCDF 文件 在处理 NetCDF 数据时，常常会遇到多个文件需要合并为一个文件的情况，尤其是在处理时间序列数据时。Python 提供了多种方式来实现这一目标，其中最常用的是使用 `xarray` 和 `netCDF4` 库。 #### 使用 `xarray` 合并多个 NetCDF 文件 `xarray` 提供了非常简洁的接口来合并多个 NetCDF 文件。`xarray.open_mfdataset()` 函数可以直接读取多个 NetCDF 文件，并根据坐标自动对齐数据。以下是一个示例： ```python import xarray as xr # 定义文件路径 file_pattern = 'path/to/your/netcdf/files/*.nc' # 读取多个 NetCDF 文件并合并 combined_ds = xr.open_mfdataset(file_pattern, combine='by_coords') # 保存合并后的数据到新文件 combined_ds.to_netcdf('path/to/output/combined_file.nc') ``` 此方法适用于文件具有相同维度结构的情况，`xarray` 会自动处理时间维度的拼接[^1]。 #### 使用 `netCDF4` 手动合并 NetCDF 文件 如果文件的结构不同，或者需要更细粒度的控制，可以使用 `netCDF4` 手动合并文件。以下是一个示例，展示如何将多个 NetCDF 文件中的数据合并到一个新的文件中： ```python from netCDF4 import Dataset, MFDataset import numpy as np # 创建一个新的 NetCDF 文件 output_file = Dataset('path/to/output/combined_file.nc', 'w', format='NETCDF4') # 假设所有文件具有相同的维度结构 # 读取第一个文件以获取维度信息 input_files = ['file1.nc', 'file2.nc', 'file3.nc'] with Dataset(input_files[0], 'r') as ds: # 复制全局属性 for attr in ds.ncattrs(): output_file.setncattr(attr, ds.getncattr(attr)) # 创建维度 for dim_name, dim in ds.dimensions.items(): output_file.createDimension(dim_name, dim.size if not dim.isunlimited else None) # 创建变量 variables = {} for var_name, var in ds.variables.items(): # 创建变量 out_var = output_file.createVariable(var_name, var.dtype, var.dimensions) # 复制变量属性 for attr in var.ncattrs(): out_var.setncattr(attr, var.getncattr(attr)) variables[var_name] = out_var # 读取数据 for var_name, out_var in variables.items(): data = [] for file in input_files: with Dataset(file, 'r') as ds_in: data.append(ds_in.variables[var_name][:]) # 合并数据 out_var[:] = np.concatenate(data) # 关闭文件 output_file.close() ``` 这种方法需要手动处理数据的读取和写入，但提供了更大的灵活性，适合处理结构不一致的文件[^3]。 #### 使用 `MFDataset` 合并多个 NetCDF 文件 `netCDF4` 库还提供了 `MFDataset` 类，可以用于合并多个 NetCDF 文件，尤其是在处理时间序列数据时非常有用： ```python from netCDF4 import MFDataset, Dataset # 打开多个 NetCDF 文件 mf_dataset = MFDataset('path/to/your/netcdf/files/*.nc') # 创建一个新的 NetCDF 文件 output_file = Dataset('path/to/output/combined_file.nc', 'w', format='NETCDF4') # 复制全局属性 for attr in mf_dataset.ncattrs(): output_file.setncattr(attr, mf_dataset.getncattr(attr)) # 创建维度 for dim_name, dim in mf_dataset.dimensions.items(): output_file.createDimension(dim_name, dim.size if not dim.isunlimited else None) # 创建变量 variables = {} for var_name, var in mf_dataset.variables.items(): out_var = output_file.createVariable(var_name, var.dtype, var.dimensions) for attr in var.ncattrs(): out_var.setncattr(attr, var.getncattr(attr)) variables[var_name] = out_var # 复制数据 for var_name, out_var in variables.items(): out_var[:] = mf_dataset.variables[var_name][:] # 关闭文件 output_file.close() mf_dataset.close() ``` 此方法适用于多个 NetCDF 文件具有相同的结构，并且可以自动处理时间维度的拼接[^4]。