最终，我想计算模拟的空气质量和测量的空气质量之间的差异。我有两个netcdf文件。第一个(A)包含了一个纬度(y1)索引长度为100，经度(x1)索引长度为200的模型的空气颗粒数据。我想从这个A中减去纬度(y2)索引长度为1300，经度(x2)索引长度为1300的观测数据(B)。B的实际纬度值（以北纬和东经为单位）在A中是存在的，不过并不完全一样，即A中的值是均匀分布的（如55.95°、55.85°、55.75°等），但B中的值有3个小数，且间隔的变化增量大致为0.001到0.003。
感觉这应该是很直接的：把一个纬线范围内的观测数据（如50.5～51°N，8.1～8.2°E），从同一纬线范围内的模型数据中减去。
一开始我尝试用 numpy 改编自 本例 的计算'偏离全球温度'。但是，我一直遇到死胡同。
然后，我尝试了无数种类似于这样的变化（这显然是错误的，但我不是编码奇才）。
anomaly=[]
for j in range(len(100)):
for k in range(len(200)):
for i in range(len(1300)):
if latitude_model[j] == latitude_observation[i] and longitude_model[k] == longitude_observation[i]:
departure = model_data[0,0,j,k] - observation_data[i,i] #the first two dimensions of the model data are 'time' and 'level'
anomaly = np.append(departure)
我的第三个方法是 xarray 改编自 本例. Xarray将允许使用 method='nearest' 和 tolerance = 0.1 函数，这将有助于处理不匹配的latlon数据（据我了解）。但是加载了两个netcdf文件后，我甚至找不到如何继续代码的入口点。另外，我可能要重塑（但如何重塑？）模型数据来匹配观测数据。或者从同一个模型网格中减去观测数据，如果几个观测点落在同一个网格内。
PS：这个问题最终与 我的另一个问题，这是差不多的数据和问题。
当计算模型和观测数据之间的偏差时，重要的是在进行分析之前匹配网格。换句话说，预处理总是必须的。所以，在减去两个文件之前，你必须将模型的网格与观测的网格进行匹配，或者反之，否则，你的输出将因为差异而毫无意义。最简单的方法是使用特殊的运算符，如CDO、NCO、NCL等。
在你的命令行中 (虽然 CDO 在 Python 中也可以使用，但需要的语法与下面不同)
### Match the grids ###
cdo remapbil,obs.nc model.nc model1.nc
### Subtract the files ###
cdo sub model1.nc obs.nc bias.nc
然后你可以很容易地在Python中映射出差异。我更喜欢这种方法，只是因为它比在Python中预处理数据更简单、更轻便。
(由智能手机发送)
如果你想用Python来做这件事(需要安装CDO作为后台)，你可以使用我的包nctoolkit (https:/nctoolkit.readthedocs.ioenlatestinstalling.html。).
所以，如果你的两个文件分别命名为file1和file2。你将首先把它们作为数据集读进去。
将 nctoolkit 导入为 nc
data1 = nc.open_data(file1)
data2 = nc.open_data(file2)
然后，你可以对第一个数据集进行重新网格化，使其具有与第一个数据集相同的网格。这对单元格的匹配是必要的。
data1.regrid(data2)
你可以直接从第一个数据集中减去第二个数据集。
data1.sub(data2)
如果你想把它转换成一个xarray对象，你可以这样做。
d1_xr = data1.to_xarray()
或者如果你想要一个pandas数据框架，可以这样做。
d1_df = data1.to_dataframe()
还有一种自动绘图的方法，使用holoviews。
df1_df.plot()