如何对含day_period维度的NetCDF文件计算逐日平均？

要计算逐日平均值，核心是按**日期维度（年、月、日）**分组，对day_period维度下的3小时数据求平均。你之前的代码因未指定分组维度，直接调用mean()会对所有维度求平均，因此只得到全局均值。

步骤1：确认数据集维度 #

根据文件结构，数据集应包含year、month、day、day_period维度（day_period对应一天8个3小时时段，索引0-7）。

步骤2：两种实现方式 #

方式一：直接按年、月、日分组计算

无需额外创建时间维度，直接利用现有维度分组：

import xarray as xr

ds = xr.open_dataset('2015_2016_SMAPGPH_monmean.nc')
# 按年、月、日分组，对day_period维度求平均
day_mean = ds.groupby(['year', 'month', 'day']).mean(dim='day_period')

方式二：创建完整时间坐标后按日期分组

如果后续需要更灵活的时间操作，可先将分散的日期维度合并为标准时间坐标：

import xarray as xr
import pandas as pd

ds = xr.open_dataset('2015_2016_SMAPGPH_monmean.nc')

# 1. 从year、month、day维度生成基础日期
base_dates = pd.to_datetime({
    'year': ds.year.values,
    'month': ds.month.values,
    'day': ds.day.values
})
# 2. 给每个日期加上day_period对应的3小时偏移
full_times = base_dates[:, :, :, None] + pd.to_timedelta(ds.day_period.values * 3, unit='h')
# 3. 将完整时间设置为数据集的坐标
ds = ds.assign_coords(time=full_times)

# 4. 按日期分组（提取time的date部分），计算均值
day_mean = ds.groupby('time.date').mean(dim=['time', 'day_period'])

注意点 #

• 你之前用sel(day_period = range(0,7))仅选取了前7个时段，漏掉了第8个时段（索引7），若要包含一天所有3小时数据，需去掉该筛选或改用range(0,8)。
• 计算完成后，day_mean会保留对应日期维度，输出2015-2022年的逐日均值结果。

内容的提问来源于stack exchange，提问作者Xei