xarray 写 NetCDF 报 StringDType 不支持，检查 pandas 3 字符串坐标

用 pandas 3 的字符串索引拼接 xarray 数据集，内存里的 run 坐标看着正常，写 NetCDF 时却报：

ValueError: unsupported dtype for netCDF4 variable: StringDType(na_object=nan)

xarray 2026.2.0、pandas 3.0.1 的组合出现过这条路径。常见入口是 xr.concat(..., dim=pd.Index(runlist, name="run"))：新维度的字符串坐标被推断成 NumPy StringDType，旧编码流程没有把它转换成后端支持的字符串表示。

报错后留下的文件可能缺少坐标

写入失败不一定会把目标文件完整撤销。文件可能存在、能够打开，甚至还能读到数值变量，但原本应是 run0、run1 的坐标已丢失，按维度访问时只剩位置编号。

先保留输入数据和失败文件，不要捕获异常后就把它交给下游。核对 run 是否仍是坐标变量、坐标顺序和值、维度长度及主要数据变量。文件存在或能被 open_dataset() 打开，都不能证明这次写入完成。

给非空字符串标签明确一个可写类型

如果这些标签确定都是普通、非缺失的字符串，可以在建立拼接维度时指定固定宽度 Unicode 数组：

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

run_labels = np.array(["run0", "run1"], dtype="U")
run_index = pd.Index(run_labels, name="run", dtype=run_labels.dtype)
combined = xr.concat([first, second], dim=run_index)

这里 first、second 是原来的两个数据集，标签数量与拼接对象一一对应。已有 run 维度且长度相符时，也可在写入前用同样的标签明确替换该坐标：

combined = combined.assign_coords(run=run_labels)

不要把所有数据变量一起转换成字符串。若坐标可能包含缺失值，先决定 NetCDF 输出怎样表达缺失；直接 astype(str) 可能把缺失转成字面量 "nan" 或 "None"，改变数据含义。固定宽度数组也应从完整标签建立，避免手写过短的 U 长度而截断内容。

正式版本已补上编码，但缺失值仍需核对

xarray 2026.04.0 已加入 StringDType 写入支持，正式 2026.09.0 保留该实现。编码器会先转换成 object，把 None 换成空字符串，再转成固定宽度 Unicode 后交给后端。项目允许升级时，可采用包含该实现且符合 Python、NumPy、pandas 和后端依赖约束的版本。

这个过程不能保证所有缺失语义原样往返。空字符串与缺失在应用中若有不同含义，应单独设计并验证存储约定；不能只看升级后没有 ValueError。也不要只给旧版本的类型判断补一个 "T" 就认为修完，后续的实际数据转换同样重要。

将修订结果写到新的目标路径，关闭写入句柄后重新打开，逐项比较坐标标签与顺序、变量值、维度和需要保留的属性。确认新文件完整，再按原有数据交付流程替换旧产物。已经被下游消费的缺坐标文件，需要按具体任务追踪处理，不能只删掉错误日志。