如何在Python中将'months since 2005-01-01 00:00:00'时间坐标转标准时间

针对你手里时间坐标为"months since 2005-01-01 00:00:00"、数值为带.5的float32数组（对应每月15日）的OHC数据集，这里提供两种实用转换方案：

方法一：用xarray直接处理NetCDF数据集 #

xarray是处理NetCDF数据的首选工具，可以直接解析时间单位并调整月中偏移：

import xarray as xr
import pandas as pd

# 加载数据集
ds = xr.open_dataset("your_ohc_dataset.nc")

# 提取时间数组和单位
time_arr = ds.time.values
origin_time = "2005-01-01 00:00:00"

# 转换为datetime64[ns]：先解析整月偏移，再加14天得到月中
datetime_vals = pd.to_datetime(np.floor(time_arr).astype(int), unit="M", origin=origin_time) + pd.DateOffset(days=14)

# 替换数据集的时间坐标
ds["time"] = datetime_vals.astype("datetime64[ns]")

# 验证结果
print(ds.time.head())

如果xarray自动解析时间时未处理.5的偏移，手动执行上述步骤即可精准对应到每月15日。

方法二：用numpy+pandas单独处理时间数组 #

如果只需要转换时间数组而非整个数据集，可直接操作数组：

import numpy as np
import pandas as pd

# 示例时间数组
time_arr = np.array([0.5, 1.5, 2.5, 207.5, 208.5, 209.5], dtype=np.float32)
origin = "2005-01-01"

# 计算月中datetime：整月偏移+14天
base_dates = pd.to_datetime(np.floor(time_arr).astype(int), unit="M", origin=origin)
datetime_vals = base_dates + pd.DateOffset(days=14)

# 转换为datetime64[ns]格式
datetime_vals = datetime_vals.to_numpy(dtype="datetime64[ns]")

print(datetime_vals.dtype)  # 输出：datetime64[ns]
print(datetime_vals[:3])    # 输出：['2005-01-15T00:00:00.000000000' '2005-02-15T00:00:00.000000000' '2005-03-15T00:00:00.000000000']

注意点 #

• 用14天作为月中偏移是近似值，若需要绝对精确的月中（如当月天数的一半），可额外计算每月实际天数再调整，但14天已能满足绝大多数气候数据处理需求；
• 确保origin参数与数据集的时间起始点完全一致，避免时间偏移错误。

内容的提问来源于stack exchange，提问作者Tahmidul Azom Sany