如何基于DataFrame中的位置与时间批量获取温度数据？

首先，你直接用DataFrame列创建Point对象的写法行不通，因为Point类需要单个数值（不是整个Series）来初始化位置信息。Meteostat目前没有原生支持批量处理多位置多时间点的API，所以得逐行处理每条记录。

具体实现步骤： #

1. 转换时间格式：确保start列是datetime类型，Meteostat的Hourly类需要这个类型的参数：

import pandas as pd
from meteostat import Point, Hourly

# 读取数据并转换时间列
geo_time = pd.read_csv(r'geo_time.csv')
geo_time['start'] = pd.to_datetime(geo_time['start'])

2. 定义单条记录温度获取函数：写一个函数，接收DataFrame单行数据，创建对应位置的Point，获取指定时间的温度，同时处理无数据的情况：

def get_temp(row):
    # 创建位置对象
    location = Point(row['latitude'], row['longitude'], row['altitude'])
    # 获取指定时刻的小时数据
    hourly_data = Hourly(location, row['start'], row['start']).fetch()
    # 返回温度，无数据则返回空值
    return hourly_data['temp'].iloc[0] if not hourly_data.empty else pd.NA

3. 批量生成温度列：用apply方法逐行调用函数，将结果添加到原DataFrame：

# 添加温度列
geo_time['temp'] = geo_time.apply(get_temp, axis=1)

注意事项： #

• API调用限制：Meteostat免费API有调用频率限制，批量处理大量数据时，建议在get_temp函数中加入time.sleep(1)这类延迟逻辑，避免被限流。
• 数据缺失处理：部分位置或时间可能没有可用气象数据，函数中已返回pd.NA，你可以根据需求用填充、删除等方式进一步处理缺失值。

内容的提问来源于stack exchange，提问作者steffsen