如何使用xarray合并12个NetCDF文件并解决AttributeError报错

报错根因说明 #

你遇到的AttributeError来自两个可直接修正的问题：

• 元数据访问方式错误：xarray不会把NetCDF文件的全局属性直接挂载为Dataset的一级可调用属性，所有全局元数据都存在ds.attrs字典中，直接写timestep_ds.time_coverage_start会因为属性不存在触发报错，正确的访问路径是从timestep_ds.attrs字典中取对应键值。
• 文件遍历顺序无保障：glob.glob()返回的文件列表顺序由操作系统目录遍历逻辑决定，不会自动按文件名的月份排序，直接遍历合并很可能导致最终时间轴顺序混乱。

方案1：修正原有循环逻辑实现合并 #

如果需要保留手动循环的处理逻辑，只需要对原有代码做三处调整即可实现正确合并：

1. 把全局属性的访问改成从attrs字典取值
2. 对glob返回的文件列表做排序，保证月份顺序正确
3. 给每个单月数据集添加正确的时间维度坐标（不要只存一个标量值，要做成坐标序列方便后续拼接）

修正后的可运行代码：

import glob
import xarray as xr
from datetime import datetime

inpath = '../../Data/EN.4.2.1_analyses/EN.4.2.1.analyses.g10.2015/'

# 按文件名排序匹配的文件，保证1-12月的顺序正确
files = sorted(glob.glob(inpath + 'EN.4.2.1.f.analysis.g10.2015*.nc'))
individual_ds_list = []

for file_path in files:
    # 用上下文管理器打开文件，处理完自动释放文件句柄
    with xr.open_dataset(file_path) as raw_ds:
        # 从attrs字典里取时间戳字符串，修正原来的属性访问报错
        time_origin_str = raw_ds.attrs['time_coverage_start']
        current_month_time = datetime.strptime(time_origin_str, "%Y-%m-%dT%H:%M:%S.%fZ")
        # 给当前数据集绑定带单个时间点的time坐标
        ds_with_time = raw_ds.assign_coords(time=[current_month_time])
        # 加载到内存后存入列表，释放原文件句柄
        individual_ds_list.append(ds_with_time.load())

# 沿时间维度拼接所有数据集
combined_2015_ds = xr.concat(individual_ds_list, dim='time')

方案2：使用xarray原生多文件接口（更推荐） #

xarray提供的xr.open_mfdataset()是官方专门设计用于批量NetCDF合并的接口，适配绝大多数时间序列类的网格化数据场景，相比手动写循环有这些优势：

• 自动处理维度对齐、坐标匹配，不需要手动逐文件赋值
• 内置懒加载能力，不会一次性把全量数据读到内存，适配大体积数据集
• 支持并行读取，多文件加载速度更快

针对你的文件命名规则，直接使用匹配模式即可自动合并：

import xarray as xr

inpath = '../../Data/EN.4.2.1_analyses/EN.4.2.1.analyses.g10.2015/'
# 定义匹配2015年所有月度文件的路径模式
file_pattern = inpath + 'EN.4.2.1.f.analysis.g10.2015*.nc'

# 自动按时间坐标合并所有文件
combined_2015_ds = xr.open_mfdataset(
    file_pattern,
    combine='by_coords',
    parallel=True
)

注意：如果自动读取时发现时间轴识别异常，可以通过preprocess参数在逐文件读取时自动修正时间元数据，不需要手动循环：

from datetime import datetime

def set_correct_time(ds):
    """读取单个文件时自动修正时间坐标"""
    time_str = ds.attrs['time_coverage_start']
    month_time = datetime.strptime(time_str, "%Y-%m-%dT%H:%M:%S.%fZ")
    return ds.assign_coords(time=[month_time])

combined_2015_ds = xr.open_mfdataset(
    file_pattern,
    preprocess=set_correct_time,
    combine='by_coords'
)

合并完成后可以直接打印combined_2015_ds，确认时间维度包含12个连续的2015年月度时间点、所有海洋变量和单月文件保持一致，即代表合并成功。

内容的提问来源于stack exchange，提问作者wabash