Wetterdienst - 人类的开放天气数据 ###########################################

.. |pic1| image:: https://raw.githubusercontent.com/earthobservations/wetterdienst/main/docs/img/german_weather_stations.png :alt: 德国气象局管理的德国气象站 :width: 32%

.. |pic2| image:: https://raw.githubusercontent.com/earthobservations/wetterdienst/main/docs/img/temperature_ts.png :alt: 德国霍恩佩森贝格的温度时间序列 :width: 32%

.. |pic3| image:: https://raw.githubusercontent.com/earthobservations/wetterdienst/main/docs/img/hohenpeissenberg_warming_stripes.png :alt: 德国霍恩佩森贝格的升温条纹图 :width: 32%

|pic1| |pic2| |pic3|

**"我们要什么？气候正义！我们什么时候要？现在！" - 未来星期五**

**警告**

本库仍在开发中！

在发布1.0版本之前可能会有重大变更，因此建议固定版本号。

持续集成

.. image:: https://github.com/earthobservations/wetterdienst/actions/workflows/tests.yml/badge.svg?branch=main :target: https://github.com/earthobservations/wetterdienst/actions?workflow=Tests :alt: 持续集成：总体结果 .. image:: https://readthedocs.org/projects/wetterdienst/badge/?version=latest :target: https://wetterdienst.readthedocs.io/en/latest/?badge=latest :alt: 文档状态 .. image:: https://codecov.io/gh/earthobservations/wetterdienst/branch/main/graph/badge.svg :target: https://codecov.io/gh/earthobservations/wetterdienst :alt: 持续集成：代码覆盖率

元信息

.. image:: https://img.shields.io/pypi/v/wetterdienst.svg :target: https://pypi.org/project/wetterdienst/ :alt: PyPI 版本 .. image:: https://img.shields.io/conda/vn/conda-forge/wetterdienst.svg :target: https://anaconda.org/conda-forge/wetterdienst :alt: Conda 版本 .. image:: https://img.shields.io/github/license/earthobservations/wetterdienst :target: https://github.com/earthobservations/wetterdienst/blob/main/LICENSE :alt: 项目许可证 .. image:: https://img.shields.io/pypi/status/wetterdienst.svg :target: https://pypi.python.org/pypi/wetterdienst/ :alt: 项目状态（alpha、beta、稳定版） .. image:: https://img.shields.io/pypi/pyversions/wetterdienst.svg :target: https://pypi.python.org/pypi/wetterdienst/ :alt: Python 版本兼容性

下载量

.. image:: https://static.pepy.tech/personalized-badge/wetterdienst?period=month&units=international_system&left_color=grey&right_color=blue&left_text=PyPI%20downloads/month :target: https://pepy.tech/project/wetterdienst :alt: PyPI 下载量 .. image:: https://img.shields.io/conda/dn/conda-forge/wetterdienst.svg?label=Conda%20downloads :target: https://anaconda.org/conda-forge/wetterdienst :alt: Conda 下载量

引用

.. image:: https://zenodo.org/badge/160953150.svg :target: https://zenodo.org/badge/latestdoi/160953150 :alt: 引用参考

.. overview_start_marker

简介

概述

欢迎使用 Wetterdienst，这是一个友好的 Python 天气服务库。

我们是一群志同道合的人，试图让在 Python 中访问天气数据变得像夏日的微风一样轻松，类似于 R 语言中的 rdwd_ 等项目，这些项目最初引起了我们对这个项目的兴趣。我们的长期目标是提供对多个天气服务以及其他相关机构（如河流测量）的访问。在 Wetterdienst 中，我们尽量在各个方面使用现代 Python 技术。该库基于 polars_（我们喜欢 pandas_，它仍然是一些 IO 过程的一部分），使用 rye_ 进行包管理，并使用 GitHub Actions 处理所有 CI 相关事务。我们的用户是开发过程中的重要组成部分，因为我们目前并不使用我们提供的数据，只是实现我们认为最好的功能。因此，无论是与数据相关还是与库相关的贡献和反馈都非常受欢迎！如果您认为我们应该包含新功能或数据源，请提交 PR 或 Issue。

.. _rdwd: https://github.com/brry/rdwd .. _polars: https://www.pola.rs/ .. _pandas: https://pandas.pydata.org/ .. _rye: https://rye.astral.sh/

数据

.. _data: https://wetterdienst.readthedocs.io/en/latest/data/index.html .. _coverage: https://wetterdienst.readthedocs.io/en/improve-documentation/data/coverage.html .. _map: https://bookdown.org/brry/rdwd/interactive-map.html .. _table: https://bookdown.org/brry/rdwd/available-datasets.html

要了解我们目前提供的数据概况及其发布许可证，请查看数据_部分。有关数据集和参数的详细信息，请参阅覆盖范围_小节。每个提供者的许可证和使用要求可能不同，因此在将数据包含在您的项目中之前，请检查这些信息，以确保您满足版权要求！

特性

站点和数值的 API
获取选定位置附近的站点
通过参数如 parameter、period、resolution、start date、end date 定义请求
在 Settings 上下文中定义通用设置
命令行界面
通过 FastAPI 提供的 Web-API，托管在 wetterdienst.eobs.org <https://wetterdienst.eobs.org>_
丰富的 UI 功能，如 explorer <https://wetterdienst.streamlit.app>、stripes <https://stripes.streamlit.app>
对结果运行 SQL 查询
将结果导出到数据库和其他数据接收器
公共 Docker 镜像
站点数值的插值和汇总

安装

本地安装

通过 PyPi（标准方式）：

.. code-block:: bash

pip install wetterdienst

通过 Github（最新版本）：

.. code-block:: bash pip install git+https://github.com/earthobservations/wetterdienst

wetterdienst 有一些额外的功能可用。使用方法如下：

pip install wetterdienst[sql]

docs: 安装 Sphinx 文档生成器。
ipython: 安装 iPython 堆栈。
export: 安装 openpyxl 用于 Excel 导出，以及 pyarrow 用于写入 Feather 和 Parquet 格式文件。
sql: 安装 DuckDB 用于使用 SQL 查询数据。
duckdb: 安装 DuckDB 支持。
influxdb: 安装 InfluxDB 支持。
cratedb: 安装 CrateDB 支持。
mysql: 安装 MySQL 支持。
postgresql: 安装 PostgreSQL 支持。
interpolation: 安装站点插值支持。

要检查安装是否成功，请执行：

wetterdienst --help

Docker

每个稳定版本的 Docker 镜像都会推送到 GitHub 容器注册表。

wetterdienst 提供了一个完整的环境，包括 Wetterdienst 的所有可选依赖项。

拉取 Docker 镜像：

docker pull ghcr.io/earthobservations/wetterdienst

库

使用最新的稳定版 wetterdienst：

$ docker run -ti ghcr.io/earthobservations/wetterdienst Python 3.8.5 (default, Sep 10 2020, 16:58:22) [GCC 8.3.0] on linux

import wetterdienst wetterdienst.version

命令行脚本

wetterdienst 命令也可用：

创建一个别名以方便从 shell 中使用。

alias wetterdienst='docker run -ti ghcr.io/earthobservations/wetterdienst wetterdienst'

wetterdienst --help wetterdienst --version wetterdienst info

树莓派 / LINUX ARM

在树莓派上运行 wetterdienst 时，你需要在安装 wetterdienst 之前先安装 numpy 和 lxml，运行以下命令：

并非所有安装都是运行 lxml 所必需的

sudo apt-get install gfortran sudo apt-get install libopenblas-base sudo apt-get install libopenblas-dev sudo apt-get install libatlas-base-dev sudo apt-get install python3-lxml

此外，可能需要将交换空间扩展到 2048 MB，可以通过交换文件来完成：

sudo nano /etc/dphys-swapfile

感谢 chr-sto 向我们反馈！

示例

任务：获取 1990 年至 2020 年间两个德国气象站的历史气候摘要

库

import polars as pl _ = pl.Config.set_tbl_hide_dataframe_shape(True) from wetterdienst import Settings from wetterdienst.provider.dwd.observation import DwdObservationRequest settings = Settings( # 默认 ... ts_shape="long", # 整洁数据 ... ts_humanize=True, # 人性化参数 ... ts_si_units=True # 将值转换为SI单位 ... ) request = DwdObservationRequest( ... parameter="climate_summary", ... resolution="daily", ... start_date="1990-01-01", # 如果未给出时区，默认为UTC ... end_date="2020-01-01", # 如果未给出时区，默认为UTC ... settings=settings ... ).filter_by_station_id(station_id=(1048, 4411)) stations = request.df stations.head() ┌────────────┬──────────────┬──────────────┬──────────┬───────────┬────────┬─────────────┬─────────┐ │ station_id ┆ start_date ┆ end_date ┆ latitude ┆ longitude ┆ height ┆ name ┆ state │ │ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ datetime[μs, ┆ datetime[μs, ┆ f64 ┆ f64 ┆ f64 ┆ str ┆ str │ │ ┆ UTC] ┆ UTC] ┆ ┆ ┆ ┆ ┆ │ ╞════════════╪══════════════╪══════════════╪══════════╪═══════════╪════════╪═════════════╪═════════╡ │ 01048 ┆ 1934-01-01 ┆ ... ┆ 51.1278 ┆ 13.7543 ┆ 228.0 ┆ Dresden-Klo ┆ Sachsen │ │ ┆ 00:00:00 UTC ┆ 00:00:00 UTC ┆ ┆ ┆ ┆ tzsche ┆ │ │ 04411 ┆ 1979-12-01 ┆ ... ┆ 49.9195 ┆ 8.9672 ┆ 155.0 ┆ Schaafheim- ┆ Hessen │ │ ┆ 00:00:00 UTC ┆ 00:00:00 UTC ┆ ┆ ┆ ┆ Schlierbach ┆ │ └────────────┴──────────────┴──────────────┴──────────┴───────────┴────────┴─────────────┴─────────┘ values = request.values.all().df values.head() ┌────────────┬─────────────────┬───────────────────┬─────────────────────────┬───────┬─────────┐ │ station_id ┆ dataset ┆ parameter ┆ date ┆ value ┆ quality │ │ --- ┆ --- ┆ --- ┆ --- ┆ --- ┆ --- │ │ str ┆ str ┆ str ┆ datetime[μs, UTC] ┆ f64 ┆ f64 │ ╞════════════╪═════════════════╪═══════════════════╪═════════════════════════╪═══════╪═════════╡ │ 01048 ┆ climate_summary ┆ cloud_cover_total ┆ 1990-01-01 00:00:00 UTC ┆ 100.0 ┆ 10.0 │ │ 01048 ┆ climate_summary ┆ cloud_cover_total ┆ 1990-01-02 00:00:00 UTC ┆ 100.0 ┆ 10.0 │ │ 01048 ┆ climate_summary ┆ cloud_cover_total ┆ 1990-01-03 00:00:00 UTC ┆ 91.25 ┆ 10.0 │ │ 01048 ┆ climate_summary ┆ cloud_cover_total ┆ 1990-01-04 00:00:00 UTC ┆ 28.75 ┆ 10.0 │ │ 01048 ┆ climate_summary ┆ cloud_cover_total ┆ 1990-01-05 00:00:00 UTC ┆ 91.25 ┆ 10.0 │ └────────────┴─────────────────┴───────────────────┴─────────────────────────┴───────┴─────────┘

values.to_pandas() # 获取pandas DataFrame，例如用于创建matplotlib图表