如何将多来源同变量NetCDF文件合并为单个xarray数据集？

你的报错原因是不同文件的time维度使用了不同的日历类型（DatetimeProlepticGregorian和DatetimeNoLeap），xarray默认无法直接合并这类混合时间类型的数据集。以下是两种可行的解决方案：

方法一：用preprocess函数统一时间类型 #

在open_mfdataset中通过preprocess参数，对每个文件加载时统一转换时间维度的类型，推荐转成标准的datetime64类型：

import xarray as xr

def preprocess(ds):
    # 将时间维度转换为标准datetime64类型
    ds['time'] = ds['time'].to_datetime64()
    return ds

# 加载所有文件并自动合并
ds_combined = xr.open_mfdataset(
    '/media/rakshith/Seagate Expansion Drive/Good models/*.nc',
    preprocess=preprocess,
    concat_dim='time'  # 明确指定按time合并，替代concat_dim=None
)

如果转换时遇到日历兼容问题，可以尝试显式转换为指定日历：

def preprocess(ds):
    # 转换为DatetimeProlepticGregorian日历
    ds['time'] = xr.cftime_range(
        start=ds.time[0].strftime('%Y-%m-%d'),
        periods=len(ds.time),
        freq=ds.time.attrs.get('freq', 'D'),
        calendar='proleptic_gregorian'
    )
    return ds

方法二：手动遍历文件后合并 #

如果preprocess方式不生效，可以手动遍历所有文件，逐个转换时间维度后再合并：

import xarray as xr
import glob

file_paths = glob.glob('/media/rakshith/Seagate Expansion Drive/Good models/*.nc')
ds_list = []

for path in file_paths:
    ds = xr.open_dataset(path)
    # 统一时间类型
    ds['time'] = ds['time'].to_datetime64()
    ds_list.append(ds)

# 合并所有数据集
ds_combined = xr.concat(ds_list, dim='time')

注意事项 #

• 确保所有文件的目标变量名称一致，否则合并后会出现缺失或多变量的情况
• 如果时间周期有重叠，可以用combine='nested'或combine='by_coords'参数调整合并逻辑（在open_mfdataset中设置）

内容的提问来源于stack exchange，提问作者Rakshith