Xarray添加NetCDF文件时时间维度异常归零：坐标对齐机制与解决方案

import xarray as xr
import numpy as np

# 假设文件已存在于当前工作目录
i_january90 = xr.open_dataset("i_january90.nc")
i_february89 = xr.open_dataset("i_february89.nc")

# 直接相加
I = i_january90 + i_february89
print(I.dims)
# 预期输出可能为：FrozenDict({'longitude': 38, 'latitude': 35, 'time': 0})

# 这种尝试无法解决根本问题
I = xr.where(i_january90.notnull() & i_february89.notnull(), i_january90 + i_february89, np.nan)

import xarray as xr
import numpy as np
import os # 用于路径操作

# 假设文件已存在于当前工作目录
# 为了教程的完整性，这里模拟创建两个示例文件
# 在实际应用中，您会直接打开现有文件
def create_sample_netcdf(filename, time_val):
    lon = np.arange(0, 38)
    lat = np.arange(0, 35)
    time = np.array([np.datetime64(time_val)])
    data = np.random.rand(len(lon), len(lat), len(time)) * 10
    ds = xr.Dataset(
        {
            "t2m": (("longitude", "latitude", "time"), data),
        },
        coords={
            "longitude": lon,
            "latitude": lat,
            "time": time,
        },
    )
    ds.to_netcdf(filename)
    print(f"Created {filename} with time: {time_val}")

# 创建示例文件
create_sample_netcdf("i_january90.nc", "1990-01-01")
create_sample_netcdf("i_february89.nc", "1989-02-01")

# 打开数据集
i_january90 = xr.open_dataset("i_january90.nc")
i_february89 = xr.open_dataset("i_february89.nc")

print("原始数据集 i_january90 维度:", i_january90.dims)
print("原始数据集 i_february89 维度:", i_february89.dims)
print("原始数据集 i_january90 时间坐标:", i_january90.time.values)
print("原始数据集 i_february89 时间坐标:", i_february89.time.values)

# 步骤1: 选择时间维度的第一个切片 (索引为0)
# 这一步会返回一个DataArray/Dataset，其time维度长度仍为1，但现在它只是一个普通的维度
jan_selected_time = i_january90.isel(time=0)
feb_selected_time = i_february89.isel(time=0)

print("\n选择时间切片后 i_january90 维度:", jan_selected_time.dims)
print("选择时间切片后 i_february89 维度:", feb_selected_time.dims)


# 步骤2: 移除时间维度本身
# drop('time') 会将 'time' 从维度列表中移除，数据现在是2D的
jan_noTime = jan_selected_time.drop_vars('time') # 使用drop_vars移除变量
feb_noTime = feb_selected_time.drop_vars('time') # 使用drop_vars移除变量

print("\n移除时间维度后 jan_noTime 维度:", jan_noTime.dims)
print("移除时间维度后 feb_noTime 维度:", feb_noTime.dims)

# 步骤3: 对移除时间维度后的数据集进行相加
janfeb_sum = jan_noTime + feb_noTime

print("\n相加结果 janfeb_sum 维度:", janfeb_sum.dims)
# 预期输出: FrozenDict({'longitude': 38, 'latitude': 35})

# 清理示例文件
os.remove("i_january90.nc")
os.remove("i_february89.nc")