Python 使用xarray对netcdf进行增量存储

我使用PythonXarray创建了3个数据数组和1个数据集

da_test=xr.DataArray（rt，dims=['dtime'，'lat'，'lon']，coords={'dtime'：tAxis，'lat'：Y，
“lon”：X}，）
dau test2=xr.DataArray（rt1，dims=['dtime'，'lat'，'lon'，]，coords={'dtime'：tAxis，'lat'：Y，
“lon”：X}，）
dau test3=xr.DataArray（rt2，dims=['dtime'，'lat'，'lon'，]，coords={'dtime'：tAxis，'lat'：Y，
“lon”：X}，）
ds=xr.Dataset（{“test”：da_test，“test2”：da_test2，“test3”：da_test3}）

现在我尝试将数据集保存到netcdf文件。如果文件存在，我打开数据集，沿“dtime”轴连接当前数据集，并将其存储回netcdf。我已将“dtime”指定为无限制维度，以使其可沿该维度扩展

dsList=[ds]
如果os.path.isfile（'./'+outFileName）：
diskDS=xr.open_数据集（outFileName，group=“/satGrp”）
dsList.append（diskDS）
finalDS=xr.concat（dsList，dim=“dtime”）
diskDS.close（）
其他：
finalDS=ds
#设置压缩和写入nc文件
comp=dict（zlib=True，complevel=5）
encoding={var:finalDS.data_vars}
最终目的是（outFileName，group=“/satGrp”，mode='a'，format='NETCDF4'，engine='h5netcdf'，unlimited_dims=[“dtime”]，encoding=encoding）

我试图模拟一个用例，脚本将每半小时运行一次，并用更新的数据集更新netcdf。第一次成功通过并存储数据集。但是，当我下次运行它时，会出现以下错误：

Traceback (most recent call last):
  File "xr.py", line 87, in <module>
    finalDS.to_netcdf(outFileName, group="/satGrp", mode='a', format="NETCDF4", engine='h5netcdf', unlimited_dims=["dtime"], encoding=encoding)
  File "/usr/local/lib/python3.6/dist-packages/xarray/core/dataset.py", line 1384, in to_netcdf
    compute=compute)
  File "/usr/local/lib/python3.6/dist-packages/xarray/backends/api.py", line 886, in to_netcdf
    unlimited_dims=unlimited_dims)
  File "/usr/local/lib/python3.6/dist-packages/xarray/backends/api.py", line 929, in dump_to_store
    unlimited_dims=unlimited_dims)
  File "/usr/local/lib/python3.6/dist-packages/xarray/backends/common.py", line 271, in store
    self.set_dimensions(variables, unlimited_dims=unlimited_dims)
  File "/usr/local/lib/python3.6/dist-packages/xarray/backends/common.py", line 343, in set_dimensions
    "%r (%d != %d)" % (dim, length, existing_dims[dim]))
TypeError: %d format: a number is required, not NoneType

回溯（最近一次呼叫最后一次）：
文件“xr.py”，第87行，在
最终目的是（outFileName，group=“/satGrp”，mode='a'，format='NETCDF4'，engine='h5netcdf'，unlimited_dims=[“dtime”]，encoding=encoding）
文件“/usr/local/lib/python3.6/dist packages/xarray/core/dataset.py”，第1384行，在to_netcdf中
计算=计算）
文件“/usr/local/lib/python3.6/dist packages/xarray/backends/api.py”，第886行，在to_netcdf中
无限尺寸=无限尺寸）
文件“/usr/local/lib/python3.6/dist packages/xarray/backends/api.py”，第929行，位于dump\u to\u存储区中
无限尺寸=无限尺寸）
文件“/usr/local/lib/python3.6/dist-packages/xarray/backends/common.py”，第271行，存储中
self.set_维度（变量，无限大小=无限大小）
文件“/usr/local/lib/python3.6/dist-packages/xarray/backends/common.py”，第343行，以set\u维度显示
%r（%d！=%d）“%（尺寸、长度、现有尺寸[尺寸]）
类型错误：%d格式：需要数字，而不是非非类型

第一次传递中存储的数据集：

<xarray.Dataset>
Dimensions:  (dtime: 1, lat: 30, lon: 20)
Coordinates:
  * dtime    (dtime) datetime64[ns] 2019-09-18T12:06:00.298381
  * lat      (lat) int64 0 1 2 3 4 5 6 7 8 9 ... 20 21 22 23 24 25 26 27 28 29
  * lon      (lon) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Data variables:
    test     (dtime, lat, lon) float64 ...
    test2    (dtime, lat, lon) float64 ...
    test3    (dtime, lat, lon) float64 ...

尺寸：（数据时间：1，横向：30，纵向：20）
协调：
*数据时间日期时间64[ns]2019-09-18T12:06:00.298381
*lat（lat）int64 01 2 3 4 5 6 7 8 9。。。20 21 22 23 24 25 26 27 28 29
*lon（lon）int64 01 2 3 4 5 6 7 8 9 10 11 12 14 16 17 19
数据变量：
测试（dtime、lat、lon）浮动64。。。
测试2（数据时间、纬度、经度）浮点64。。。
测试3（数据时间、纬度、经度）浮动64。。。

内存中当前运行的数据集：

<xarray.Dataset>
Dimensions:  (dtime: 1, lat: 30, lon: 20)
Coordinates:
  * dtime    (dtime) datetime64[ns] 2019-09-18T12:07:10.351870
  * lat      (lat) int64 0 1 2 3 4 5 6 7 8 9 ... 20 21 22 23 24 25 26 27 28 29
  * lon      (lon) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Data variables:
    test     (dtime, lat, lon) float64 47.42 977.8 168.2 ... 685.2 777.5 412.6
    test2    (dtime, lat, lon) float64 105.4 2.173e+03 373.8 ... 1.728e+03 916.9
    test3    (dtime, lat, lon) float64 26.32 542.7 93.36 ... 380.3 431.5 229.0

<xarray.Dataset>
Dimensions:  (dtime: 2, lat: 30, lon: 20)
Coordinates:
  * lat      (lat) int64 0 1 2 3 4 5 6 7 8 9 ... 20 21 22 23 24 25 26 27 28 29
  * lon      (lon) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
  * dtime    (dtime) datetime64[ns] 2019-09-18T12:07:10.351870 2019-09-18T12:06:00.298381
Data variables:
    test     (dtime, lat, lon) float64 47.42 977.8 168.2 ... 318.1 977.0 655.4
    test2    (dtime, lat, lon) float64 105.4 2.173e+03 ... 2.171e+03 1.456e+03
    test3    (dtime, lat, lon) float64 26.32 542.7 93.36 ... 176.6 542.3 363.7

尺寸：（数据时间：1，横向：30，纵向：20）
协调：
*数据时间日期时间64[ns]2019-09-18T12:07:10.351870
*lat（lat）int64 01 2 3 4 5 6 7 8 9。。。20 21 22 23 24 25 26 27 28 29
*lon（lon）int64 01 2 3 4 5 6 7 8 9 10 11 12 14 16 17 19
数据变量：
测试（dtime，lat，lon）浮动64 47.42 977.8 168.2。。。685.2 777.5 412.6
测试2（数据时间、纬度、经度）浮动64 105.4 2.173e+03 373.8。。。1.728e+03916.9
测试3（数据时间、纬度、经度）浮动64 26.32 542.7 93.36。。。380.3 431.5 229.0

内存中连接的数据集：

<xarray.Dataset>
Dimensions:  (dtime: 1, lat: 30, lon: 20)
Coordinates:
  * dtime    (dtime) datetime64[ns] 2019-09-18T12:07:10.351870
  * lat      (lat) int64 0 1 2 3 4 5 6 7 8 9 ... 20 21 22 23 24 25 26 27 28 29
  * lon      (lon) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Data variables:
    test     (dtime, lat, lon) float64 47.42 977.8 168.2 ... 685.2 777.5 412.6
    test2    (dtime, lat, lon) float64 105.4 2.173e+03 373.8 ... 1.728e+03 916.9
    test3    (dtime, lat, lon) float64 26.32 542.7 93.36 ... 380.3 431.5 229.0

<xarray.Dataset>
Dimensions:  (dtime: 2, lat: 30, lon: 20)
Coordinates:
  * lat      (lat) int64 0 1 2 3 4 5 6 7 8 9 ... 20 21 22 23 24 25 26 27 28 29
  * lon      (lon) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
  * dtime    (dtime) datetime64[ns] 2019-09-18T12:07:10.351870 2019-09-18T12:06:00.298381
Data variables:
    test     (dtime, lat, lon) float64 47.42 977.8 168.2 ... 318.1 977.0 655.4
    test2    (dtime, lat, lon) float64 105.4 2.173e+03 ... 2.171e+03 1.456e+03
    test3    (dtime, lat, lon) float64 26.32 542.7 93.36 ... 176.6 542.3 363.7

尺寸：（数据时间：2，横向：30，纵向：20）
协调：
*lat（lat）int64 01 2 3 4 5 6 7 8 9。。。20 21 22 23 24 25 26 27 28 29
*lon（lon）int64 01 2 3 4 5 6 7 8 9 10 11 12 14 16 17 19
*日期时间64[ns]2019-09-18T12:07:10.351870 2019-09-18T12:06:00.298381
数据变量：
测试（dtime，lat，lon）浮动64 47.42 977.8 168.2。。。318.1 977.0 655.4
测试2（数据时间、纬度、经度）浮动64 105.4 2.173e+03。。。2.171e+03 1.456e+03
测试3（数据时间、纬度、经度）浮动64 26.32 542.7 93.36。。。176.6 542.3 363.7

调试时，我在xarray common.py中发现以下内容：

odict_items([('dtime', 2), ('lat', 30), ('lon', 20)])
<h5netcdf.Dimensions: lat=30, lon=20, dtime=None>

odict_项（[（'dtime'，2），（'lat'，30），（'lon'，20）]）

因此，该检查在现有的_dims['dtime']处失败，而该检查没有得到任何结果

有趣的是，如果我在to_netcdf通话中将模式改为“w”，更新就会顺利进行。但是因为我想在netcdf中有多个组，所以我真的需要使用“a”模式

期待有缓解这一问题的想法