如何将NetCDF中的cftime格式转换为Unix时间戳（毫秒级）？

先搞懂decode_cf后的数值含义 #

你看到的这些数值不是随机数，是从2002-01-01T00:00:00开始经过的天数（小数部分代表一天内的时间占比），比如129.5就是起始时间加129天12小时。xarray.decode_cf()只是解析了CF元数据，并没有自动把数值转成datetime对象，所以保留了原始的天数数值。

两种无循环的高效转换方法 #

方法1：纯数值计算（最快） #

直接通过时间差的数值运算转换，完全不需要创建datetime/cftime对象，效率最高：

import numpy as np
import xarray as xr

# 假设你的数据集为ds，时间变量是ds['time']
time_data = ds['time']

# 提取起始时间字符串（从units属性中获取）
start_str = time_data.attrs['units'].split('since ')[1]
# 转成numpy datetime64，计算起始时间的毫秒级Unix时间戳
start_unix_ms = np.datetime64(start_str).astype(np.int64) // 10**6

# 把天数转成毫秒：1天 = 86400秒 = 86400000毫秒
days_to_ms = time_data.values * 86400000

# 最终的毫秒级Unix时间戳数组
unix_ms_array = start_unix_ms + days_to_ms.astype(np.int64)

方法2：利用xarray/cftime的内置批量转换 #

如果需要先得到datetime对象再转换，用num2date（支持向量输入，无需循环）或者xarray的to_datetimeindex()：

from cftime import num2date
import xarray as xr

# 方法2.1：用cftime.num2date批量转cftime对象，再转时间戳
time_vals = ds['time'].values
units = ds['time'].attrs['units']
calendar = ds['time'].attrs['calendar']

# 批量生成cftime对象数组（无循环）
cftime_arr = num2date(time_vals, units=units, calendar=calendar)
# 转成毫秒级Unix时间戳
unix_ms_array = np.array([dt.timestamp() * 1000 for dt in cftime_arr]).astype(np.int64)

# 方法2.2：用xarray内置方法转datetime索引
dt_index = ds['time'].to_datetimeindex()
unix_ms_array = (dt_index.astype(np.int64) // 10**6).astype(np.int64)

注意：纯数值计算的方法1速度远快于方法2，适合处理大规模时间数组。

内容的提问来源于stack exchange，提问作者hillsonghimire