netcdf4-python：科学数据格式 netCDF 的 Python 接口

netcdf4-python 在 GitHub 上拿到 829 Star，维护者是 Unidata。这个项目已经存在多年，是气象、海洋、地球科学领域处理 netCDF 数据的标准 Python 工具。

1、这玩意儿是干嘛的

它只做一件事：让 Python 能读写 netCDF 格式的数据文件。

netCDF 是一种自描述的数组型数据格式，广泛应用于气候模型、卫星遥感、海洋观测、数值天气预报等场景。一个 netCDF 文件里可以存储多维数组变量、维度定义、全局属性、变量属性，数据附带元信息，不用额外文档也能读懂内容结构。

netcdf4-python 是 netCDF C 库的 Python 封装，底层通过 Cython 调用 C 接口，上层暴露为 Python 对象。你创建 Dataset、定义 Dimension、创建 Variable、写属性，逻辑和底层 C 库对应，学习成本不高。

2、为什么要用它

做科学数据处理的人基本都碰过这个问题：实验或模拟产出的数据是多维数组，附带大量元信息，用 CSV 存不下，用二进制又丢失语义。netCDF 解决了这个矛盾，而 netcdf4-python 让你在 Python 生态里直接操作这种格式。

它支持 netCDF4、NETCDF4_CLASSIC、NETCDF3_64BIT 等多种格式。netCDF4 基于 HDF5 存储，支持组层级结构、压缩、无限维度。经典格式则保证与旧系统的兼容。

另一个现实原因是：气象和海洋领域的公开数据集，比如 ERA5、WOA、GHCN，基本都提供 netCDF 格式。你用 Python 做分析，绕不开这个库。

3、核心能力

数据读写只是基础。netcdf4-python 还覆盖了科学数据处理的常见需求：

压缩与量化

1.6.0 版本开始支持量化功能，包括 bit-grooming 和 bit-rounding，能在保证精度的前提下提升压缩率。1.7.0 又增加了 auto_complex 关键字，支持复数类型。最新 1.7.4 版本把压缩插件打包进了 wheel，安装后开箱即用。

并行 IO

1.3.1 版本引入 MPI 并行读写支持。在集群环境下，多个进程可以同时访问同一个 netCDF4 文件，不用拆分成多个小文件再合并。前提是你编译的 netcdf-c 和 HDF5 都带 MPI 支持，并装好 mpi4py。

掩码数组与类型转换

读取数据时自动处理 _FillValue、missing_value、valid_min、valid_max，返回 numpy 掩码数组。字符数组和字符串数组之间也支持自动转换，Unicode 字符串在 1.7.4 之后完全兼容。

切片与索引

支持 numpy 风格的切片、布尔索引、整数数组索引，甚至乱序索引和重复索引也能处理。多维变量切片返回的结果符合 numpy 语义。

4、安装使用

最简单的方式是直接装 PyPI 上的 wheel：

pip install netCDF4

或者用 conda：

conda install -c conda-forge netCDF4

二进制 wheel 已经打包了 HDF5 和 netcdf-c，不需要额外配置。如果是源码编译，需要确保系统已装 numpy、Cython、HDF5、netcdf-c，且 nc-config 在 PATH 里。

基本用法：

from netCDF4 import Dataset

nc = Dataset('data.nc', 'r')
print(nc.variables.keys())
temp = nc.variables['temperature']
print(temp.shape)
nc.close()

创建文件也很直接，依次创建 Dataset、Dimension、Variable，然后写入数据。

5、适合哪些人用

netcdf4-python 的用户群体很明确：

• 气象、海洋、地球科学领域的研究人员，需要处理模式输出或观测数据
• 用 Python 做气候数据分析、需要读取 ERA5、CMIP6 等标准数据集的人
• 在搭建数据流水线、需要把 netCDF 转存进其他系统（如 Zarr、Parquet）的工程师

这个项目没有太多花哨的功能，但把一件事做到了位：在 Python 里稳定可靠地读写 netCDF 数据。829 个 Star 对通用工具来说不算高，但在科学计算这个垂直领域里，它几乎是事实标准。

但把一件事做到了位：在 Python 里稳定可靠地读写 netCDF 数据。829 个 Star 对通用工具来说不算高，但在科学计算这个垂直领域里，它几乎是事实标准。