使用xarray.open_dataset保留NC文件变量原始数据类型及解决导出报错

一、打开时保留原始byte类型 #

xarray默认开启mask_and_scale=True，会自动处理变量的填充值（_FillValue）和缩放因子。如果你的POSITION_QC变量定义了float类型的填充值（比如NaN），xarray会自动把byte类型提升为float32来兼容NaN。要保留原始类型，打开数据集时直接关闭这个自动处理：

import xarray as xr

# 关键参数：mask_and_scale=False
ds = xr.open_dataset('your_data.nc', mask_and_scale=False)
# 验证类型：此时POSITION_QC应该是byte
print(ds['POSITION_QC'].dtype)

如果上述方法无效，说明数据集有特殊的CF编码设置，可以尝试关闭全部CF解码（注意：这会禁用坐标转换等其他CF功能，谨慎使用）：

ds = xr.open_dataset('your_data.nc', decode_cf=False)

二、解决导出时的rint报错 #

你遇到的TypeError本质是numpy无法对非整数类型执行rint操作，根源是转换后的byte数据存在非法值，或者导出配置不匹配：

1. 先处理NaN值
   byte类型无法存储NaN，原始float32数据里的NaN在转byte时会被强制转为-128（signed byte的最小值），但xarray导出时会因为原填充值是float类型而冲突。先手动替换NaN为合法的byte填充值：

# 把NaN替换为byte支持的填充值，比如-128
ds['POSITION_QC'] = ds['POSITION_QC'].fillna(-128).astype('byte')

2. 导出时同步设置填充值
   在to_netcdf的encoding里，同时指定dtype和_FillValue，确保和数据类型完全匹配：

ds.to_netcdf(
    'output_data.nc',
    encoding={
        'POSITION_QC': {
            'dtype': 'byte',
            '_FillValue': -128  # 必须是byte类型的有效值
        }
    }
)

3. 最优方案：跳过手动转换
   如果已经用mask_and_scale=False打开并保留了原始byte类型，直接导出即可，不需要额外astype转换，从根源避免类型不匹配问题。

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