如何合并NetCDF文件中8个无时间重叠的CHIRPS_p_d变量？

你需要将8个无重叠时间段的CHIRPS_p_d1到CHIRPS_p_d8变量合并为一个无缺失值的CHIRPS_p_d变量，以下是两种常用工具的实现方法：

方法一：使用Xarray（处理NetCDF原生格式） #

Xarray是处理NetCDF数据的专用工具，直接操作原数据集即可：

import xarray as xr

# 读取NetCDF文件（若未读取）
ds = xr.open_dataset('你的文件路径.nc')

# 筛选所有CHIRPS相关变量
chirps_vars = [var for var in ds.data_vars if var.startswith('CHIRPS_p_d')]

# 合并变量：利用无重叠特性，用nansum忽略NaN求和（每个位置仅一个有效值）
ds['CHIRPS_p_d'] = ds[chirps_vars].to_array().sum(dim='variable', skipna=True)

# 删除原始的8个变量，保留需要的字段
ds = ds.drop_vars(chirps_vars)

# 可选：保存合并后的数据集到新NetCDF文件
ds.to_netcdf('合并后的CHIRPS数据.nc')

方法二：使用Pandas（若已转为DataFrame） #

如果数据已经转为Pandas DataFrame，可按以下步骤操作：

import pandas as pd

# 假设df是你的目标DataFrame
chirps_cols = [col for col in df.columns if col.startswith('CHIRPS_p_d')]

# 合并列：按行求和，自动忽略NaN
df['CHIRPS_p_d'] = df[chirps_cols].sum(axis=1, skipna=True)

# 保留需要的列，删除原始8个变量列
df = df[['CHIRPS_p_d', 'lat', 'lon']]

# 可选：保存为CSV等格式
df.to_csv('合并后的CHIRPS数据.csv')

原理说明 #

由于8个变量对应无重叠时间段，每个time-cluster组合仅在其中一个变量中有有效值，其余均为NaN。使用skipna=True的求和操作会自动忽略NaN，仅保留唯一的有效值，最终得到无缺失的CHIRPS_p_d变量。

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