Open-Meteo API逐小时数据处理：拆分为0-24列及单列浓缩求助

首先纠正你代码里的核心问题：直接将整个api_data转为DataFrame是错误的，因为api_data里的hourly是嵌套字典（包含time和各辐射指标的列表），而非字符串。正确的做法是直接提取hourly字段来构建初始DataFrame。

以下是针对你两个需求的具体实现：

第一步：正确解析API数据 #

import requests
import pandas as pd

api_url = "https://api.open-meteo.com/v1/forecast?latitude=51.4325&longitude=6.7652&hourly=shortwave_radiation,direct_radiation,diffuse_radiation,direct_normal_irradiance,terrestrial_radiation" 
response = requests.get(api_url)

if response.status_code == 200:
    api_data = response.json()
    # 直接用hourly字典构建DataFrame，这是正确的初始数据结构
    hourly_df = pd.DataFrame(api_data['hourly'])
else:
    print("Fehler beim Abrufen der API-Daten")
    hourly_df = None

此时hourly_df的结构是：每行对应一个小时，列包含time和各个辐射指标（如shortwave_radiation）。

需求一：将逐小时数据浓缩为一小时间隔的单列（长格式） #

如果你的需求是把所有辐射指标的数值合并到单列，同时保留时间和指标类型，可以用pd.melt实现：

# 转换为长格式：time（时间）、radiation_type（指标类型）、value（数值）
long_format_df = hourly_df.melt(
    id_vars='time',
    var_name='radiation_type',
    value_name='radiation_value'
)

最终long_format_df的结构示例：

需求二：拆分为标签0至23的多列结构（宽格式） #

这里默认你需要按日期分组，将每天的0-23小时作为列，每个辐射指标单独生成宽表（或合并为多层级列）。步骤如下：

1. 从time列提取日期和小时：

# 转换time列为datetime类型，方便提取日期和小时
hourly_df['time'] = pd.to_datetime(hourly_df['time'])
hourly_df['date'] = hourly_df['time'].dt.date
hourly_df['hour'] = hourly_df['time'].dt.hour

2. 按日期和小时重塑为宽格式（以shortwave_radiation为例）：

# 单指标宽表：每行是一个日期，列是0-23小时的辐射值
wide_format_single = hourly_df.pivot(
    index='date',
    columns='hour',
    values='shortwave_radiation'
).rename_axis(columns=None).reset_index()

如果需要同时包含所有辐射指标，可以用多列pivot：

# 多指标宽表：列是（辐射指标，小时）的层级结构
wide_format_multi = hourly_df.pivot(
    index='date',
    columns=['hour'],
    values=['shortwave_radiation', 'direct_radiation', 'diffuse_radiation', 'direct_normal_irradiance', 'terrestrial_radiation']
)
# 也可以将层级列展开为"指标_小时"的格式
wide_format_multi.columns = wide_format_multi.columns.map(lambda x: f"{x[0]}_{x[1]}")
wide_format_multi = wide_format_multi.reset_index()

内容的提问来源于stack exchange，提问作者Tobias Riepe