如何将NetCDF中独立的LON/LAT设为sd_days的坐标维度？

针对你的需求，这里提供三种基于xarray的处理方式，根据你的NetCDF文件结构选择合适的方法：

情况1：经纬度是一维点数据（sd_days维度为(time, obs)，LON/LAT为(obs,)） #

如果你的数据是离散的站点/点数据，需要把一维的观测点维度转换为二维经纬度网格：

import xarray as xr
import numpy as np

# 加载原始NetCDF文件
ds = xr.open_dataset("your_input_file.nc")

# 1. 为观测点维度命名（如果未命名的话，比如维度叫`dim_0`，替换成`obs`）
if "obs" not in ds.dims:
    ds = ds.rename_dims({list(ds["sd_days"].dims)[1]: "obs"})

# 2. 将LON、LAT设置为obs维度的坐标
ds = ds.assign_coords(LON=("obs", ds["LON"].values), LAT=("obs", ds["LAT"].values))

# 3. 按经纬度索引并展开为二维网格（注意：若存在重复经纬度点，需先去重）
ds = ds.set_index(obs=["LON", "LAT"])
ds = ds.unstack("obs")

# 4. 调整维度顺序为(time, LAT, LON)
ds["sd_days"] = ds["sd_days"].transpose("time", "LAT", "LON")

# 5. 保存修改后的文件
ds.to_netcdf("modified_grid_file.nc")

情况2：转成规则经纬度网格（插值方法） #

如果需要将离散点插值到规则的经纬度网格上，适合后续更方便的空间操作：

import xarray as xr
import numpy as np

ds = xr.open_dataset("your_input_file.nc")

# 1. 定义目标规则网格的经纬度范围和分辨率
target_lon = np.linspace(ds["LON"].min(), ds["LON"].max(), 100)  # 100为经度点数，可调整
target_lat = np.linspace(ds["LAT"].min(), ds["LAT"].max(), 100)  # 100为纬度点数，可调整

# 2. 插值到规则网格
ds_regular = ds.interp(LON=target_lon, LAT=target_lat)

# 3. 调整维度顺序（若需要）
ds_regular["sd_days"] = ds_regular["sd_days"].transpose("time", "LAT", "LON")

# 4. 保存文件
ds_regular.to_netcdf("regular_grid_output.nc")

情况3：经纬度是二维数组（sd_days维度为(time, y, x)，LON/LAT为(y, x)） #

如果你的数据本身是网格结构，但LON/LAT是独立变量而非维度坐标：

import xarray as xr

ds = xr.open_dataset("your_input_file.nc")

# 1. 将LON、LAT设置为对应的维度坐标
ds = ds.assign_coords(LON=ds["LON"], LAT=ds["LAT"])

# 2. 替换维度名称为LAT、LON（需确保LAT/LON在y/x维度上单调）
ds = ds.swap_dims({"y": "LAT", "x": "LON"})

# 3. 调整维度顺序
ds["sd_days"] = ds["sd_days"].transpose("time", "LAT", "LON")

# 4. 保存文件
ds.to_netcdf("coords_fixed_file.nc")

验证修改效果 #

修改完成后可以用以下代码测试提取功能是否正常：

test_ds = xr.open_dataset("modified_grid_file.nc")
extract = test_ds["sd_days"].sel(LON=9.45, LAT=34.34, method="nearest")
print(extract)

内容的提问来源于stack exchange，提问作者corp_guy