1 说在前面
有时候在处理*.nc文件时，为了计算的需要，往往需要把*.nc格式的文件转换为别的格式如*.RData。最好的存储R中数据的格式是保存为*.RData（也称为*.rda文件），它是R专属的文件，可以保存海量文件。有以下两个优点：
- 将数据恢复到R中速度更快(it is faster to restore the data to R)
- 它将 R 特定信息编码在数据中（例如，属性、变量类型等）
2 多维数组
首先我们生成一个三维数组认识一下多维数组的基本结构，了解多维数组是怎么构成的：
dim1 <- c("lon1","lon2")
dim2 <- c("lat1","lat2","lat3")
dim3 <- c("time1","time2","time3","time4")
z <- array(1:24,c(2,3,4),dimnames = list(dim1,dim2,dim3))
三维数组
接下来我们将时间维度数据进行时间命名，例如"2022-01-01"，"2022-02-01"，"2022-03-01"，"2022-04-01".
start <- ymd("2022-01-01")
end <- ymd("2022-03-01")
time <- as.character(seq(start,end, by ="month"))
lon <- c("lon1","lon2")
lat <- c("lat1","lat2","lat3")
z <- array(1:24,c(2,3,4),dimnames = list(lon,lat,time))
三维数组-时间
3 数据结构
下面以HadISST数据为例记录一下*.nc数据的读取，数据集保存为HadISST_sst.nc，可以从这个数据网址下载获得。
rm(list=ls(all=TRUE))
library(ncdf4)
library(abind)
library(lubridate)
library(tidyverse)
setwd('~/../file')
nc <- nc_open('HadISST_sst.nc')
print(nc)
lon-lat-time-sst(为了方便展示用python实现)
4 数据转换
4.1 读写与转换
从上边对数据读取的过程中，我们发现数据的原始结构是按照lon、lat和time排列的，所以将数据通过R转换为list数据的时候注意顺序，即dimnames(dat) <- list(lon = varlon, lat = varlat, time = vartime)；由于结合第2部分多维数组的介绍，根据上边对数据结构的分析，在这里注意两点，就是按照时间第三个维度进行融合，所以选取时间序列数据的时候应该是dat[[3]]，具体dat的结构展示可以自行运行结果展示。另外从读取的数据结构展示出来原始数据结构如下图：
数据结构展示
file <- '~/../HadISST_sst.nc'
path <- '~/../file'
dat <- nc_open(file) %>% ncvar_get('sst')
dims <- dim(dat)
varlat <- nc_open(file) %>% ncvar_get('latitude')
varlon <- nc_open(file) %>% ncvar_get('longitude')
# vartime <- nc_open(file) %>% ncvar_get('time')
start <- ymd("1870-01-01")
end <- ymd("2020-04-01")
vartime <- as.character(seq(start,end, by ="month"))
dimnames(dat) <- list(lon = varlon, lat = varlat, time = vartime)
4.2 保存
sst <- dat
outfile <- paste0(path, 'sst.Rdata')
save(sst, file=outfile)
4.3 RData数据展示
Rdata数据结构
参考网址：Convert_nc_to_RDdata