如何从NASA POWER API批量获取CSV格式的点位气象数据？

问题分析 #

你的代码存在几个关键问题：

• 缺少pandas和io模块的导入
• 读取CSV时变量引用错误（误写为content而非response.content）
• 文件保存的代码块未完成
• 可以直接写入API返回的原始CSV内容，无需先转成DataFrame再保存，效率更高

修正后的完整代码 #

import os
import requests
import pandas as pd
import io

# 假设df是你的目标数据集
lat = df['lat'].values.tolist()
long = df['long'].values.tolist()
stations = df['station'].values.tolist()  # 关联站点名，方便区分输出文件

output_dir = r"C:\Users\....."
# 确保输出目录存在，避免报错
os.makedirs(output_dir, exist_ok=True)

base_url = r"https://power.larc.nasa.gov/api/temporal/monthly/point?parameters=PS,WS10M_RANGE&community=SB&longitude={longitude}&latitude={latitude}&format=CSV&start=2018&end=2021"

for station_name, latitude, longitude in zip(stations, lat, long):
    api_request_url = base_url.format(longitude=longitude, latitude=latitude)
    
    try:
        response = requests.get(url=api_request_url, verify=True, timeout=30.00)
        response.raise_for_status()  # 检查请求是否成功
        
        # 方式1：直接写入原始CSV内容（高效，无需解析）
        filename = f"{station_name.replace(' ', '_')}_weather_data.csv"
        filepath = os.path.join(output_dir, filename)
        
        with open(filepath, 'w', encoding='utf-8') as file_object:
            file_object.write(response.text)
        
        # 方式2：若需预处理数据，转成DataFrame后保存
        # content_df = pd.read_csv(io.BytesIO(response.content), encoding='utf8', sep=",")
        # content_df['station'] = station_name  # 新增站点标识列
        # content_df.to_csv(filepath, index=False, encoding='utf-8')
        
        print(f"已保存 {station_name} 的数据到 {filepath}")
    except requests.exceptions.RequestException as e:
        print(f"获取 {station_name} 数据失败: {str(e)}")

关键说明 #

• 依赖补充：添加pandas和io模块导入，保证代码可正常运行
• 目录校验：用os.makedirs确保输出目录存在，避免因目录缺失报错
• 文件名优化：用站点名命名文件，比API默认的power_*.csv更易识别
• 异常处理：通过try-except捕获请求异常，避免单个点位失败导致整个程序中断
• 两种保存方案：按需选择直接写入原始内容（高效）或转DataFrame预处理（灵活）

内容的提问来源于stack exchange，提问作者erdem