使用pandas、Python将netCDF中的时间变量更改为datetime

Question

我有一个netCDF文件，时间是从10000年1月1日起的天。但是，它们是整数，见下文，一旦加载，xarray就无法解码时间单位

<xarray.DataArray 'days' (time: 87600)>
array([679352., 679353., 679354., ..., 766949., 766950., 766951.])
Dimensions without coordinates: time
Attributes:
    units:      days_since_Jan11900
    long_name:  calendar_days

我想把它们变成和熊猫约会的时间。到目前为止，我已经这样做了

import pandas as pd
import xarray as xr

ds = xr.open_dataset(path + '09_future_predictions/Fire weather/temp/tmax_HadGEM2-CC.nc', decode_times = False)

tmax = ds.tmax.data
time = ds.days
time = pd.to_datetime(time.data)

但是，我最终以毫秒为单位读取整数，如下所示：

DatetimeIndex(['1970-01-01 00:00:00.000679352',
               '1970-01-01 00:00:00.000679353',
               '1970-01-01 00:00:00.000679354',
               '1970-01-01 00:00:00.000679360',
               '1970-01-01 00:00:00.000679361',
               ...
               '1970-01-01 00:00:00.000766942',
        
              dtype='datetime64[ns]', length=87600, freq=None)

我可以做些什么来更改它，使第一个变量为1860-01-01

Answer 1

不完全是netCDF，但如果它能帮上忙的话

import pandas as pd
import matplotlib.dates as md

df_1 = pd.DataFrame({'c1': [679352., 679353., 679354., 766949., 766950., 766951.]})

df_1.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 1 columns):
 #   Column  Non-Null Count  Dtype  
 -                  -  
 0   c1      6 non-null      float64
dtypes: float64(1)
memory usage: 176.0 bytes

df_1.c1.apply(md.num2date)
0   1861-01-01 00:00:00+00:00
1   1861-01-02 00:00:00+00:00
2   1861-01-03 00:00:00+00:00
3   2100-11-01 00:00:00+00:00
4   2100-11-02 00:00:00+00:00
5   2100-11-03 00:00:00+00:00
Name: c1, dtype: datetime64[ns, UTC]