【数值预报】按时间维度合并/重新生成nc、grib网格数据（按天、小时组织的文件合并成按月组织文件）

全球网格数据如grib、nc有些是按年组织的、有些是按月组织的、有些是按日组织的、有些是按小时组织的，然而这些在时间上都是一维形式，即普通的时间序列。

对于数值模式预报数据，如ECMWF、GRAPES、JMA、NCEP 等等，其数据在时间上是二维形式，即（起报时刻，超前序列）。举个简单例子，假设气象台对气温预报，星期一会预报星期二到星期五的气温，星期二会预测星期三到星期六的气温，星期三会预测星期四到星期日的气温，这里就可以看到，星期一到星期天产生的序列长度不是7，而是3 x 7 = 21，所以说预报数据是二维时间形式，这里的3就是起报时刻，7就是超前序列。

 一般二维预报数据是按月组织的，比如在ECMWF官网下载的数据集，下载后解析可以看到时间是二维的，如下图：

 一般读取这些网格数据用的是xarray，相比于netcdf4，xarray兼容grib和nc。使用xarray读取后，二维预报数据的维度（起报时刻，超前序列）会被解析为（time，step），比如下图中的time和step维度：

现在问题来了，有些全球网格的预报数据不是按月组织的，我想把它合成按月组织的怎么办？

例如中科院大气所的FGOALS模式，它是按天组织的，每天一个文件（一次预报），每次预报预测未来7天数据：

打开第一个文件，解析结果如上图右所示，发现是一维的预报数据，只有time维度，这与标准的二维预报数据不符。同时还发现，本来上图右的time维度应该是step，因为这是超前时间，超前7天，但由于是按天组织，退化成一维预报数据，导致用time维度替换了step维度。

所以一个大概合并流程要解决的问题包括：增加step维度，把原来的time维度替换成step维度，并将真正的起报时刻作为time维度。像什么xarray里的维度交换、更名等等操作全试了，都不行，因为这网格数据比想象的要复杂，它包含了坐标、索引等东西，这些东西是耦合的，所以不是交换维度、更名等操作能解决的。

下面给出一个个人的解决方案：

import numpy as np
import xarray as xr
import pandas as pd


def extract_all_e