我之前也踩过这个坑——MIKE SDK的Dfs0.write()确实会自动检测时间间隔，默认把小时级的等距时间序列写成等距轴，哪怕我们想要非等距的。下面分享两个亲测有效的解决办法：

方法1：手动构建非等距时间轴（最规范） #

直接绕过DataFrame自动推断的逻辑，手动创建NonEquidistantTimeAxis对象来定义时间轴，再构建数据集写入。这种方法完全可控，适合对数据精度要求高的场景：

from mikeio import Dfs0, Dataset, DataArray
from mikeio.eum import ItemInfo
from mikeio.time import NonEquidistantTimeAxis

# 加载原始等距DFS0到DataFrame
dfs_input = Dfs0("your_input_hourly.dfs0")
df = dfs_input.to_dataframe()

# 提取时间序列并创建非等距时间轴
time_points = df.index.to_list()
non_eq_time_axis = NonEquidistantTimeAxis(time_points)

# 逐个构建DataArray并组装成Dataset
data_arrays = []
for col_name in df.columns:
    da = DataArray(
        data=df[col_name].values,
        time=non_eq_time_axis,
        item=ItemInfo(name=col_name)
    )
    data_arrays.append(da)
ds = Dataset(data_arrays)

# 写入非等距DFS0文件
ds.to_dfs("your_output_non_equidistant.dfs0")

方法2：给时间轴加微小偏移（快速取巧） #

如果不想写太多底层代码，可以给每个时间点加一个极其微小的时间偏移（比如1微秒），让SDK认为时间间隔不相等，从而自动使用非等距轴。这个方法适合对时间精度要求不高的场景：

import pandas as pd
from mikeio import Dfs0

# 加载原始数据
dfs_input = Dfs0("your_input_hourly.dfs0")
df = dfs_input.to_dataframe()

# 给每个时间戳添加1微秒的偏移，打破等距性
df.index = df.index + pd.Timedelta(microseconds=1)

# 写入文件，此时SDK会识别为非等距时间轴
Dfs0.write("your_output_non_equidistant.dfs0", df)

注意事项 #

• 方法1是官方推荐的规范做法，完全不会修改原始时间数据；
• 方法2的偏移量极小，几乎不会影响数据的实际使用，但如果你的业务对时间精度要求到微秒级，不建议使用；
• 生成的非等距DFS0文件完全兼容MIKE Operations的运行模式，可以正常加载使用。

内容的提问来源于stack exchange，提问作者NDen