Python 3.x 使用Xarray将时间更新为NetCDF中的前置公历

我有每年6小时的NetCDF文件，但时间值已损坏，即：；每个文件的timedelta64[ns]00:00:00。我的目标是纠正这一点，并使用xarrays将其合并到一个组合文件中。该文件有一个CF约定，时间以公历开头

我试图将时间轴值存储为时间戳，但在将其写回.nc格式时出错，该格式表示ValueError:无法防止在变量“time”上覆盖attrs中的现有键日历

我正在尝试从1970年1月1日起将时间值更新为秒。它可以工作，但问题是，当我读回保存的文件时，我希望实际的yyyy-mm-dd中显示的时间，以便我可以使用.sel方法快速浏览数据

是否有更好的方法来编写输出文件，同时保持Proleptic Gregorian的标准约定，以便在我读回时，我的时间轴自动采用yyyy mm dd格式，而不是每次读取后将其从秒转换回yyyy mm dd格式

import xarray as xr
big_ds = xr.open_mfdataset('path/*',   autoclose=True, concat_dim='time')
dt = pd.date_range(start=datetime(2000,1,1), end=datetime(2000,12,31,18), freq='6H')
big_ds.time.values = (dt - std_time).total_seconds()
big_ds.to_netcdf('outfile.nc')

test_ds = xr.open_dataset('outfile.nc')
test_ds.time
>><xarray.DataArray 'time' (time: 1464)>
array([9.466848e+08, 9.467064e+08, 9.467280e+08, ..., 9.782424e+08,
   9.782640e+08, 9.782856e+08])
Coordinates:
* time     (time) float64 9.467e+08 9.467e+08 ... 9.783e+08 9.783e+08
Attributes:
calendar:  proleptic_gregorian

将xarray作为xr导入
big\u ds=xr.open\u mfdataset（'path/*'，autoclose=True，concat\u dim='time'））
dt=pd.date_范围（开始=datetime（2000,1,1），结束=datetime（2000,12,31,18），频率=6H'）
big_ds.time.values=（dt-std_time）.total_seconds（）
大数据到网络CDF（'outfile.nc'）
测试\u ds=xr.open\u数据集（'outfile.nc'））
测试时间
>>
阵列（[9.466848e+08，9.467064e+08，9.467280e+08，…，9.7824E+08，
9.782640e+08,9.782856e+08]）
协调：
*时间（时间）浮动64 9.467e+08 9.467e+08。。。9.783e+08 9.783e+08
属性：
日历：前公历

短修复方法是将单位添加到时间属性中

big_ds.time.attrs['units'] = 'Seconds since 01/01/1970 00:00:00 UTC'

---

因此，在回读数据时，xarray足够智能，可以看到这一点，并将以秒为单位存储的时间值转换为

datetime64[ns]

，这样就可以作为

yyyy-mm-dd

来访问它们。短修复方法是将单位添加到时间属性中

big_ds.time.attrs['units'] = 'Seconds since 01/01/1970 00:00:00 UTC'

因此，在回读数据时，xarray足够智能，可以看到这一点，并将以秒为单位存储的时间值转换为

datetime64[ns]

，这样就可以作为

yyyy-mm-dd