如何用Python将API获取的str与float数据合并为DataFrame并导出至谷歌表格

一、优化单次JSON请求提取所有数据 #

你目前每次提取字段都重复调用response.json()，这会重复解析JSON数据，既低效又冗余。正确的做法是一次性解析JSON并提取data层数据，再从该数据中获取所有字段：

import datetime
import pandas as pd
import requests  # 假设使用requests库发起API请求

# 发起API请求并一次性解析核心数据
response = requests.get("你的智能设备API接口地址")
api_data = response.json()['data']  # 仅解析一次JSON，提取data层级的所有数据

# 从已解析的api_data中提取各字段
t1me = datetime.datetime.fromtimestamp(api_data['time']).strftime("%Y-%m-%d %H:%M:%S")
co2 = float(api_data['co2'])
humidity = float(api_data['humidity'])
pressure = float(api_data['pressure'])
temp = float(api_data['temp'])
voc = float(api_data['voc'])

这样既减少了重复解析的性能损耗，也让代码更简洁易维护。

二、构建目标结构的DataFrame #

有两种简洁的方式生成你需要的DataFrame结构：

方法1：字典映射法（推荐） #

直接构造与目标列名对应的字典，值为列表形式（支持后续追加多行数据）：

# 构造匹配目标列名的数据字典
record_dict = {
    "Datetime": [t1me],
    "Temp": [temp],
    "Humidity": [humidity],
    "Pressure": [pressure],
    "CO2": [co2],
    "VOC": [voc]
}

# 生成DataFrame
df = pd.DataFrame(record_dict)

方法2：行数据列表法 #

构造单行数据列表，同时指定列名：

# 构造单行数据，顺序与目标列名对应
row_data = [[t1me, temp, humidity, pressure, co2, voc]]

# 指定列名生成DataFrame
df = pd.DataFrame(row_data, columns=["Datetime", "Temp", "Humidity", "Pressure", "CO2", "VOC"])

执行后，df的结构完全符合你的需求：

补充：定时调用的实现 #

如果要实现每5分钟执行一次API请求与数据存储，可以在循环中加入休眠逻辑：

import time

while True:
    # 这里放入上述API请求、DataFrame构建、导出到谷歌表格的代码
    time.sleep(300)  # 休眠300秒（5分钟）

也可以使用schedule库实现更灵活的定时调度（需先安装pip install schedule）。

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