我是新来的。首先，我非常感谢您的时间和考虑。关于在python中管理2个不同的netcdf文件，我有2个问题。我搜索了很多但不幸的是我找不到解决方案。
1-我有一个netcdf文件，其坐标如下：
time datetime64[ns] 2016-08-16T22:00:00
* y (y) int32 220000 ... 620000
* x (x) int32 20000 ... 720000
lat (y, x) float64 dask.array<shape=(401, 701),
lon (y, x) float64 dask.array<shape=(401, 701),
我需要将coords更改为lon / lat，以便我可以根据特定的lon / lat坐标切片区域（通过使用xarray）。但我不知道如何将x和y改为lon lat。我的代码：
import xarray as xr
import matplotlib.pyplot as plt
p = "R_201608.nc"
ds = xr.open_mfdataset(p)
q=ds.RR.sel(time='2016-08-16T21:00:00')
2-与1类似，我有另一个netcdf文件，其坐标如下：
* X (X) float32 557600.0 .. 579400.0
* Y (Y) float32 5190600 ... 5205400.0
* time (time) datetime64[ns] 2007-01I
如何将x和y转换为lon / lat系统，以便我可以在lon / lat系统中绘制它？
编辑与@Ryan相关：1-是。这个文件可以在很大范围内降雨。我想将它切割成更小的区域 - 与q2-相关的文件的相似区域，并使用偏差，RMSE等比较它们。这里是与此文件相关的完整信息：
<xarray.Dataset>
Dimensions: (time: 2976, x: 701, y: 401)
Coordinates:
* time (time) datetime64[ns] 2016-08-31T23:45:00
* y (y) int32 220000 221000 ... 619000 620000
* x (x) int32 20000 21000 ... 719000 720000
lat (y, x) float64 dask.array<shape=(401, 701),chunksize=(401, 701)>
lon (y, x) float64 dask.array<shape=(401, 701), chunksize=(401, 701)
Data variables:
RR (time, y, x) float32 dask.array<shape=(2976, 401, 701), chunksize=(2976, 401, 701)>
lambert_conformal_conic int32 ...
Conventions: CF-1.5
与@Ryan相关的编辑：2-这里是关于第二个文件（较小区域）的完整信息：
<xarray.DataArray 'Precip' (time: 8928, Y: 75, X: 110)>
dask.array<shape=(8928, 75, 110), dtype=float32, chunksize=(288, 75, 110)>
Coordinates:
sensor_height_precip float32 1.5
sensor_height_P float32 1.5
* X (X) float32 557600.0 557800.0 ... 579200.0 579400.0
* Y (Y) float32 5190600.0 5190800.0 ... 5205400.0
* time (time) datetime64[ns] 2007-01-31T23:55:00
Attributes:
grid_mapping: UTM33N
ancillary_variables: QFlag_Precip QGrid_Precip
long_name: Precipitation Amount
standard_name: precipitation_amount
cell_methods: time:sum
units: mm
在问题1）中，不可能将lon和lat转换为维度坐标，因为它们是二维的（都具有维度x，y）。用于切片的尺寸坐标只能是一维的。如果您可以更加具体地了解切片后您想要做什么，我们可以提供更多有关如何进行的建议。是否要选择特定的纬度/经度范围，然后计算一些统计数据（例如均值/方差）？
问题2）看起来你有一个地图投影。如果没有关于投影的更多信息，则无法转换为纬度/经度坐标或在地图上绘图。您的数据集中是否包含有关所使用的地图投影的更多信息？你能发布print(ds)的全部输出吗？
我帮你解决了问题。非常感谢。我可以使用PYPROJ将两个数据集的坐标更改为lon / lat，如@Bart所述。从原始坐标和投影坐标创建meshgid是关键点。
from pyproj import Proj
nxv, nyv = np.meshgrid(nx, ny)
unausp = Proj('+proj=lcc +lat_1=49 +lat_2=46 +lat_0=47.5 +lon_0=13.33333333333333 +x_0=400000 +y_0=400000 +ellps=bessel +towgs84=577.326,90.129,463.919,5.137,1.474,5.297,2.4232 +units=m +no_defs ')
nlons, nlats = unausp(nxv, nyv, inverse=True)
upLon, upLat = np.meshgrid(nlons,nlats)
由于我想比较具有不同空间分辨率（不同网格大小）的两个降雨数据集，我必须使用xarray插值来升级其中一个：
upnew_lon = np.linspace(w.X[0], w.X[-1], w.dims['X'] // 5)
upnew_lat = np.linspace(w.Y[0], w.Y[-1], w.dims['Y'] //5)
uppds = w.interp(Y=upnew_lat, X=upnew_lon)
据我所知，这种插值是基于线性插值的。我将放大的数据集与原始数据集进行了比较。升级后降雨量平均减少约0.03毫米/天。我只是想知道你认为这种小时降雨的升级方法是否可靠？