如何高效将NetCDF中降水数据从kg m-2 s-1转换为mm？

完全不需要转成DataFrame逐个单元格处理——NetCDF存储的是多维数值数组，直接对整个数组做矢量运算（而非循环遍历），效率会提升几个量级，还能保留原始数据的维度、坐标等元信息。

下面是两种常用的简便实现方法：

方法一：用xarray（推荐，代码简洁易维护） #

xarray专门为NetCDF这类带标签的多维数据设计，加载、处理、保存一条龙：

import xarray as xr

# 加载NetCDF数据
ds = xr.open_dataset("your_precip_data.nc")

# 获取降水变量（变量名根据你的实际数据调整，比如可能是'pr'）
precip = ds["precip"]

# 直接做数组级别的单位转换：kg/m²/s → mm/day
precip_mm_day = precip * 86400

# 可选：更新变量的元数据，让结果更规范
precip_mm_day.attrs["units"] = "mm/day"
precip_mm_day.attrs["long_name"] = "Daily Precipitation"

# 可选：保存转换后的数据到新的NetCDF文件
ds["precip_mm_day"] = precip_mm_day
ds.to_netcdf("precip_converted.nc")

方法二：用netCDF4 + numpy #

如果习惯直接操作底层数组：

from netCDF4 import Dataset
import numpy as np

# 打开NetCDF文件（"r+"模式可修改原文件，若不想改动原数据用"r"后新建文件）
nc = Dataset("your_precip_data.nc", "r+")

# 读取原始降水数据数组
precip_data = nc.variables["precip"][:]

# 单位转换
precip_mm_day_data = precip_data * 86400

# 可选：在原文件中新增转换后的变量
nc.createVariable("precip_mm_day", "f4", nc.variables["precip"].dimensions)
nc.variables["precip_mm_day"][:] = precip_mm_day_data
nc.variables["precip_mm_day"].units = "mm/day"
nc.variables["precip_mm_day"].long_name = "Daily Precipitation"

# 关闭文件
nc.close()

为什么这种方法更优？ #

• 避免了DataFrame的额外内存开销，循环遍历的低效问题也彻底解决——矢量运算由numpy底层优化，处理大尺寸NetCDF数据时速度差异会非常明显。
• 完整保留了原始数据的维度、坐标等元信息，后续做气候分析、可视化时更方便。

内容的提问来源于stack exchange，提问作者CovetTachi