Блог

Я пытаюсь создать фрейм данных, используя Daily(Point (широта, долгота), дата начала, дата окончания), функцию библиотеки метеостата, которая возвращает всю ежедневную статистику погоды для местоположения, указанного Point (широта, долгота), используя широту и долготу, начиная с даты началадо даты окончания.

Проблема в том, что аргументы (lat, lon) должны быть с плавающей запятой и поэтому указывают только на одно местоположение. Я хочу указать несколько местоположений и собрать ежедневные метеорологические данные для каждого из них.

 import meteostat
from datetime import datetime
from meteostat import Point, Daily
import matplotlib.pyplot as plt
from meteostat import Stations
import pandas as pd
import numpy 

data = pd.read_csv(r'C:UsersleoacOneDriveDesktopCodingPython appsCorrelation temp-goals in Serie Aseasons 09-19.csv', ";")
date_not_converted = data['Date']
date_being_converted = datetime.strptime(date_not_converted,'%d,%m,%Y')             #1bis non può essere una serie...allora provo a cambiare il tipo di dati
date = date_being_converted.strftime('%Y,%m,%d')

#plot = Daily(Point(data['lat'][15],data['lon'][15]),d1,d2).fetch()
data['temp']  = Daily(Point(data['lat'][1],data['lon'][1]),datetime(date),datetime(date)).fetch() #1 sistemare il formato data
print(data['temp'])                                                                               #2 trovare un modo per inserire i vettori date e lat/lon nel df
data['temp'].plot(y=['tavg'])
plt.show()

print(data)
 

Вот решение, вдохновленное этой проблемой github. Он выполняет параллельные запросы для разных местоположений, а затем объединяет результаты во фрейме данных pandas.

 from datetime import datetime
from meteostat import Point, Daily
from multiprocessing import cpu_count

from joblib import Parallel, delayed
import pandas as pd

def get_bulk_data(row):
    location = Point(row.lat, row.lon)
    data = Daily(location, row.Date, row.Date).fetch()
    data["latitude"] = row.lat
    data["longitude"] = row.lon
    return data

if __name__ == "__main__":
    df = pd.read_csv("seasons.csv", sep=";")
    df["Date"] = pd.to_datetime(df["Date"], format="%d,%m,%Y")

    executor = Parallel(n_jobs=cpu_count(), backend='multiprocessing')
    tasks = (
        delayed(get_bulk_data)(row)
        for _, row in df.iterrows()
    )
    list_of_locations_data = executor(tasks)
    data_full = pd.concat(list_of_locations_data)
    print(data_full)
 

Он работает со следующими форматами csv и даты, вы можете адаптировать код, если ваш немного отличается:

 Date;lat;lon
18,02,1997;50.3;-4.7
12,07,1998;41.3;1.5