xarray库处理任意维的netCDF数据，并保留元数据。Xarray提供了一种打开netCDF文件并将其转换为pandas框架的简单方法：

import xarray as xr

ds = xr.open_dataset('/path/to/netcdf')
df = ds.to_dataframe()

字符串
这将创建一个包含所有维度的多索引的框架。不幸的是，Pandas不支持任意元数据，因此在转换过程中会丢失，但您可以保留ds，并使用其中的元数据。

如果你的NetCDF文件（或OPeNDAP数据集）遵循CF元数据约定，你可以通过使用NetCDF4-Python package来利用它们，这使得在Pandas中访问它们非常容易。（我使用的是Enthought Python Distribution，其中包括Pandas和NetCDF 4-Python）。
在下面的示例中，NetCDF文件是通过OPeNDAP提供的，NetCDF 4-Python库允许您打开和处理远程OPeNDAP数据集，就像它是一个本地NetCDF文件一样，这非常灵活。如果您想查看NetCDF 4文件的属性，请将浏览器指向此链接http://geoport-dev.whoi.edu/thredds/dodsC/HUDSON_SVALLEY/5951adc-a1h.nc.html
您应该能够在不进行更改的情况下运行此命令：

from matplotlib import pyplot as plt
import pandas as pd
import netCDF4

url='http://geoport-dev.whoi.edu/thredds/dodsC/HUDSON_SVALLEY/5951adc-a1h.nc'
vname = 'Tx_1211'
station = 0

nc = netCDF4.Dataset(url)
h = nc.variables[vname]
times = nc.variables['time']
jd = netCDF4.num2date(times[:],times.units)
hs = pd.Series(h[:,station],index=jd)

fig = plt.figure(figsize=(12,4))
ax = fig.add_subplot(111)
hs.plot(ax=ax,title='%s at %s' % (h.long_name,nc.id))
ax.set_ylabel(h.units)

字符串
结果可以在Ipython Notebook中看到：http://nbviewer.ipython.org/4615153/

你可以使用像PyNIO这样的库将你的文件读入p.e. numpy数组，并将它们提供给pandas。
PyNIO允许阅读多种文件格式，包括经典的netCDF 3和netCDF 4。
netcdf4-python也可以读取这些netCDF格式，并且与py3.3兼容