xarray使用datetime.time作为维度保存netCDF报错如何处理？

错误原因 #

使用datetime.time作为xarray维度的逻辑本身没有错误，但NetCDF格式不支持原生存储Python内置的datetime.time类型对象，该类型属于Python专属对象，xarray无法将其序列化为NetCDF支持的标准数据格式，因此触发报错。

可行解决方案 #

你可以根据自己的使用场景选择以下任意一种方案解决存储问题：

• 方案1：转换为timedelta类型（推荐，保留时间运算能力）
  将单日时刻转换为从当日0点开始的时间差类型timedelta64，该类型是NetCDF标准支持的类型，读取后可直接做时间计算，也可方便地还原为datetime.time对象。
  代码示例：

import numpy as np

# 把每个datetime.time对象转为从0点开始的timedelta64[ns]
time_delta = np.array([
    np.timedelta64(t.hour, 'h') + np.timedelta64(t.minute, 'm') + np.timedelta64(t.second, 's') 
    for t in tmp.TIME.values
])
# 替换原有TIME维度
tmp = tmp.assign_coords(TIME=time_delta)
# 正常保存为netCDF文件
tmp.to_netcdf('/sdata/user/tsu/tmp/srpd.nc')

读取还原时可通过如下代码拿到datetime.time对象：

import pandas as pd
restored_time = [pd.to_timedelta(v).time() for v in tmp.TIME.values]

• 方案2：合并DATE和TIME为完整datetime维度（最符合NetCDF时间存储规范）
  如果你已经有DATE维度存储日期信息，可以将两个维度合并为完整的datetime64时间戳，是NetCDF生态兼容性最高的存储方式，支持所有时间相关的内置运算。
  代码示例：

import pandas as pd

# 合并日期和时刻为完整时间戳
full_datetime = pd.to_datetime(tmp.DATE.astype(str)) + pd.to_timedelta(tmp.TIME.astype(str))
# 新增或替换维度，按需选择
tmp = tmp.assign_coords(FULL_TIME = (['DATE', 'TIME'], full_datetime))
# 保存文件
tmp.to_netcdf('/sdata/user/tsu/tmp/srpd.nc')

• 方案3：转换为整数/字符串存储（兼容性最高，无需额外类型转换）
  如果不需要对TIME维度做时间运算，可以直接将时刻转为HHMM格式的整数，或者HH:MM格式的字符串，存储和读取都不需要额外的类型适配。
  代码示例：

# 转为1415、1416格式的整数
time_int = [t.hour * 100 + t.minute for t in tmp.TIME.values]
tmp = tmp.assign_coords(TIME = time_int)

# 或转为"14:15"、"14:16"格式的字符串
time_str = [t.strftime("%H:%M") for t in tmp.TIME.values]
tmp = tmp.assign_coords(TIME = time_str)

# 保存文件
tmp.to_netcdf('/sdata/user/tsu/tmp/srpd.nc')

内容的提问来源于stack exchange，提问作者Ting Su