使用Xarray对NetCDF数据插值返回全NaN值的问题排查

我尝试从形状为24（time）×720（outlat）×1680（outlon）的NetCDF数据集中提取指定点（outlat=35.5，outlon=-97.33）的rainrate变量时间序列。

已尝试的代码：

import xarray as xr
import pandas as pd

ds = xr.open_dataset(path_to_NetCDF.nc)
data_ts = ds.interp(outlat=[35.5], outlon=[-97.33], method='nearest') #or method ='linear'
data_rain_rate = data_ts['rainrate'][:, 0, 0].to_series()
df_rain_rate = pd.DataFrame(data_rain_rate).reset_index()

尽管数据集并非全为NaN，但返回结果全部是NaN。请问操作哪里有误？如何排查该问题？

期望输出： rainrate变量的时间序列。

显示数据值的截图
（截图内容：展示了数据集中存在有效数值，并非全为NaN）

排查与解决步骤 #

1. 确认经纬度范围与格式匹配 #

先检查数据集里outlat和outlon的实际范围，避免目标点超出数据覆盖：

print(f"outlat范围：{ds.outlat.min().values} 到 {ds.outlat.max().values}")
print(f"outlon范围：{ds.outlon.min().values} 到 {ds.outlon.max().values}")

注意：部分数据集经度用0-360格式而非-180-180，若你的数据集是前者，-97.33需转换为262.67再尝试匹配。

2. 处理浮点精度问题 #

经纬度的浮点存储误差可能导致nearest方法匹配失败，可改用sel方法并设置公差：

# 公差设置为经纬度步长的1.5倍左右，根据实际步长调整
data_ts = ds.sel(outlat=35.5, outlon=-97.33, method='nearest', tolerance=0.1)

3. 核对变量维度顺序 #

确认rainrate的维度是否为time × outlat × outlon，避免索引错误：

print(ds['rainrate'].dims)

若维度顺序不符（比如time × outlon × outlat），插值或索引时会取到错误位置。

4. 检查目标点区域数据 #

先提取目标点周边的小范围数据，确认该区域是否真的有有效数值：

subset = ds['rainrate'].sel(outlat=slice(35, 36), outlon=slice(-98, -97))
print(subset.mean(dim='time'))

如果该子集全为NaN，说明目标点所在区域本身无数据；若有数值，则回到插值方法排查。

5. 简化插值代码写法 #

用interp时直接传入标量即可，无需列表，避免额外维度干扰：

data_ts = ds.interp(outlat=35.5, outlon=-97.33, method='nearest')
data_rain_rate = data_ts['rainrate'].to_series().reset_index(name='rainrate')

内容的提问来源于stack exchange，提问作者PPR