使用xarray创建NetCDF文件时lat维度尺寸冲突问题求助

报错原因 #

ValueError: 维度'lat'的尺寸冲突：'lat'的长度为1626，而{'lat': 'doc', 'lon': 'doc'}上的长度为1的核心问题在于：

• 你定义的lat和lon坐标长度为1626，但在设置doc变量时，指定了二维维度('lat','lon')，同时传入的[col_doc]是一个仅包含1个元素的列表（该元素是长度1626的列表），导致xarray判定doc的lat维度长度为1，与坐标的1626产生冲突。
• 你的数据是一维点数据（每个条目对应一组lat、lon、doc），并非二维网格数据（lat和lon构成二维网格，每个网格点对应一个doc值），因此不能用二维维度来定义变量。

修正方案 #

方案1：用单一维度关联所有数据（适配点数据场景） #

将所有数据绑定到一个共享维度（比如'points'），确保每个点的lat、lon、doc一一对应：

import pandas as pd
import xarray as xr

df = pd.read_excel("./data/example.xlsx", keep_default_na=False)

# 直接过滤空值行，比单独处理列更高效，避免各列长度不一致
df_filtered = df[
    (df['mission'] != '') & 
    (df['jour'] != '') & 
    (df['heure'] != '') & 
    (df['lat'] != '') & 
    (df['lon'] != '') & 
    (df['doc'] != '')
]

# 创建Dataset，用points作为共享维度关联所有字段
ds = xr.Dataset(
    coords={
        'lat': ('points', df_filtered['lat'].tolist()),
        'lon': ('points', df_filtered['lon'].tolist()),
        'mission': ('points', df_filtered['mission'].tolist()),
        'jour': ('points', df_filtered['jour'].tolist()),
        'heure': ('points', df_filtered['heure'].tolist())
    },
    data_vars={
        'doc': ('points', df_filtered['doc'].tolist())
    }
)

# 保存为NetCDF文件
ds.to_netcdf('./data/example.nc')

方案2：转换为二维网格数据（仅当数据是网格点时使用） #

如果你的数据确实是二维网格结构（lat为N个唯一值，lon为M个唯一值，doc对应N*M的二维数组），需要先对lat和lon去重，再将doc整理为二维数组：

import pandas as pd
import xarray as xr
import numpy as np

df = pd.read_excel("./data/example.xlsx", keep_default_na=False)
df_filtered = df[(df['lat'] != '') & (df['lon'] != '') & (df['doc'] != '')]

# 获取唯一的lat、lon值并排序
unique_lat = sorted(df_filtered['lat'].unique())
unique_lon = sorted(df_filtered['lon'].unique())

# 初始化二维网格数组，空值填充NaN
doc_grid = np.full((len(unique_lat), len(unique_lon)), np.nan)
# 建立lat、lon到索引的映射
lat_idx = {lat:i for i, lat in enumerate(unique_lat)}
lon_idx = {lon:j for j, lon in enumerate(unique_lon)}

# 填充网格数据
for _, row in df_filtered.iterrows():
    i = lat_idx[row['lat']]
    j = lon_idx[row['lon']]
    doc_grid[i,j] = row['doc']

# 创建网格结构的Dataset
ds = xr.Dataset(
    coords={
        'lat': unique_lat,
        'lon': unique_lon
    },
    data_vars={
        'doc': (('lat', 'lon'), doc_grid)
    }
)

ds.to_netcdf('./data/example_grid.nc')

关键提示 #

• 优先选择方案1，你的示例数据中lat和lon存在重复值（如151.017出现两次），完全符合点数据的特征。
• 单独过滤每个列可能导致各列长度不一致，直接过滤DataFrame的行能确保所有字段长度匹配。

内容的提问来源于stack exchange，提问作者user21620824