In [1]:

%matplotlib inline
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

pd.set_option('display.mpl_style', 'default')
plt.rcParams['figure.figsize'] = (15, 3)
plt.rcParams['font.family'] = 'sans-serif'

总结¶

在本章最后，我们将下载加拿大2012年的气候数据，并保存到CSV文件。

首先，下载一个月的数据，然后再将所有月的数据合并在一起。

下面就是全部的数据

In [3]:

weather_2012_final = pd.read_csv('../data/weather_2012.csv', index_col='Date/Time')
_ = weather_2012_final['Temp (C)'].plot(figsize=(15, 6))

No description has been provided for this image

5.1 下载一个月的气温数据¶

在探索骑车数据的时候，我想知道下雨的时候人们是否会骑车，于是我去这里找到了气温和降雨数据。

接下来我们获取2012年3月的数据并做一些清理。

下面这个链接可以下载到需要的数据。

In [4]:

url_template = "http://climate.weather.gc.ca/climateData/bulkdata_e.html?format=csv&stationID=5415&Year={year}&Month={month}&timeframe=1&submit=Download+Data"

想要得到2012年3月的数据，我们只需将上面url中的字段做一下替换即可，month=3, year=2012

In [5]:

url = url_template.format(month=3, year=2012)
weather_mar2012 = pd.read_csv(url, skiprows=15, index_col='Date/Time', parse_dates=True, encoding='latin1', header=True)

居然这么简单，简直不能忍！还是用的read_csv函数，只不过是用一个URL代替了文件名，然后就搞定了。

在这个csv文件前16行有一些附加数据，通过指定skiprows可以跳过这些行。此外，和之前一样，将‘Date/Time’作为索引列。下面就是结果：

In [6]:

weather_mar2012

Out[6]:

	Year	Month	Day	Time	Data Quality	Temp (Â°C)	Temp Flag	Dew Point Temp (Â°C)	Dew Point Temp Flag	Rel Hum (%)	...	Wind Spd Flag	Visibility (km)	Visibility Flag	Stn Press (kPa)	Stn Press Flag	Hmdx	Hmdx Flag	Wind Chill	Wind Chill Flag	Weather
Date/Time
2012-03-01 00:00:00	2012	3	1	00:00		-5.5	NaN	-9.7	NaN	72	...	NaN	4.0	NaN	100.97	NaN	NaN	NaN	-13	NaN	Snow
2012-03-01 01:00:00	2012	3	1	01:00		-5.7	NaN	-8.7	NaN	79	...	NaN	2.4	NaN	100.87	NaN	NaN	NaN	-13	NaN	Snow
2012-03-01 02:00:00	2012	3	1	02:00		-5.4	NaN	-8.3	NaN	80	...	NaN	4.8	NaN	100.80	NaN	NaN	NaN	-13	NaN	Snow
2012-03-01 03:00:00	2012	3	1	03:00		-4.7	NaN	-7.7	NaN	79	...	NaN	4.0	NaN	100.69	NaN	NaN	NaN	-12	NaN	Snow
2012-03-01 04:00:00	2012	3	1	04:00		-5.4	NaN	-7.8	NaN	83	...	NaN	1.6	NaN	100.62	NaN	NaN	NaN	-14	NaN	Snow
2012-03-01 05:00:00	2012	3	1	05:00		-5.3	NaN	-7.9	NaN	82	...	NaN	2.4	NaN	100.58	NaN	NaN	NaN	-14	NaN	Snow
2012-03-01 06:00:00	2012	3	1	06:00		-5.2	NaN	-7.8	NaN	82	...	NaN	4.0	NaN	100.57	NaN	NaN	NaN	-14	NaN	Snow
2012-03-01 07:00:00	2012	3	1	07:00		-4.9	NaN	-7.4	NaN	83	...	NaN	1.6	NaN	100.59	NaN	NaN	NaN	-13	NaN	Snow
2012-03-01 08:00:00	2012	3	1	08:00		-5.0	NaN	-7.5	NaN	83	...	NaN	1.2	NaN	100.59	NaN	NaN	NaN	-13	NaN	Snow
2012-03-01 09:00:00	2012	3	1	09:00		-4.9	NaN	-7.5	NaN	82	...	NaN	1.6	NaN	100.60	NaN	NaN	NaN	-13	NaN	Snow
2012-03-01 10:00:00	2012	3	1	10:00		-4.7	NaN	-7.3	NaN	82	...	NaN	1.2	NaN	100.62	NaN	NaN	NaN	-13	NaN	Snow
2012-03-01 11:00:00	2012	3	1	11:00		-4.4	NaN	-6.8	NaN	83	...	NaN	1.0	NaN	100.66	NaN	NaN	NaN	-12	NaN	Snow
2012-03-01 12:00:00	2012	3	1	12:00		-4.3	NaN	-6.8	NaN	83	...	NaN	1.2	NaN	100.66	NaN	NaN	NaN	-12	NaN	Snow
2012-03-01 13:00:00	2012	3	1	13:00		-4.3	NaN	-6.9	NaN	82	...	NaN	1.2	NaN	100.65	NaN	NaN	NaN	-12	NaN	Snow
2012-03-01 14:00:00	2012	3	1	14:00		-3.9	NaN	-6.6	NaN	81	...	NaN	1.2	NaN	100.67	NaN	NaN	NaN	-11	NaN	Snow
2012-03-01 15:00:00	2012	3	1	15:00		-3.3	NaN	-6.2	NaN	80	...	NaN	1.6	NaN	100.71	NaN	NaN	NaN	-10	NaN	Snow
2012-03-01 16:00:00	2012	3	1	16:00		-2.7	NaN	-5.7	NaN	80	...	NaN	2.4	NaN	100.74	NaN	NaN	NaN	-8	NaN	Snow
2012-03-01 17:00:00	2012	3	1	17:00		-2.9	NaN	-5.9	NaN	80	...	NaN	4.0	NaN	100.80	NaN	NaN	NaN	-9	NaN	Snow
2012-03-01 18:00:00	2012	3	1	18:00		-3.0	NaN	-6.0	NaN	80	...	NaN	4.0	NaN	100.87	NaN	NaN	NaN	-9	NaN	Snow
2012-03-01 19:00:00	2012	3	1	19:00		-3.6	NaN	-6.4	NaN	81	...	NaN	3.2	NaN	100.93	NaN	NaN	NaN	-9	NaN	Snow
2012-03-01 20:00:00	2012	3	1	20:00		-3.7	NaN	-6.4	NaN	81	...	NaN	4.8	NaN	100.95	NaN	NaN	NaN	-10	NaN	Snow
2012-03-01 21:00:00	2012	3	1	21:00		-3.9	NaN	-6.7	NaN	81	...	NaN	6.4	NaN	100.98	NaN	NaN	NaN	-10	NaN	Snow
2012-03-01 22:00:00	2012	3	1	22:00		-4.3	NaN	-6.9	NaN	82	...	NaN	2.4	NaN	101.00	NaN	NaN	NaN	-11	NaN	Snow
2012-03-01 23:00:00	2012	3	1	23:00		-4.3	NaN	-7.1	NaN	81	...	NaN	4.8	NaN	101.04	NaN	NaN	NaN	-11	NaN	Snow
2012-03-02 00:00:00	2012	3	2	00:00		-4.8	NaN	-7.3	NaN	83	...	NaN	3.2	NaN	101.04	NaN	NaN	NaN	-12	NaN	Snow
2012-03-02 01:00:00	2012	3	2	01:00		-5.3	NaN	-7.9	NaN	82	...	NaN	4.8	NaN	101.09	NaN	NaN	NaN	-12	NaN	Snow
2012-03-02 02:00:00	2012	3	2	02:00		-5.2	NaN	-7.8	NaN	82	...	NaN	6.4	NaN	101.11	NaN	NaN	NaN	-12	NaN	Snow
2012-03-02 03:00:00	2012	3	2	03:00		-5.5	NaN	-7.9	NaN	83	...	NaN	4.8	NaN	101.15	NaN	NaN	NaN	-12	NaN	Snow
2012-03-02 04:00:00	2012	3	2	04:00		-5.6	NaN	-8.2	NaN	82	...	NaN	6.4	NaN	101.15	NaN	NaN	NaN	-13	NaN	Snow
2012-03-02 05:00:00	2012	3	2	05:00		-5.5	NaN	-8.3	NaN	81	...	NaN	12.9	NaN	101.15	NaN	NaN	NaN	-12	NaN	Snow
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
2012-03-30 18:00:00	2012	3	30	18:00		3.9	NaN	-7.9	NaN	42	...	NaN	24.1	NaN	101.26	NaN	NaN	NaN	NaN	NaN	Mostly Cloudy
2012-03-30 19:00:00	2012	3	30	19:00		3.1	NaN	-6.7	NaN	49	...	NaN	25.0	NaN	101.29	NaN	NaN	NaN	NaN	NaN	Mostly Cloudy
2012-03-30 20:00:00	2012	3	30	20:00		3.0	NaN	-8.4	NaN	43	...	NaN	25.0	NaN	101.30	NaN	NaN	NaN	NaN	NaN	Mostly Cloudy
2012-03-30 21:00:00	2012	3	30	21:00		1.7	NaN	-9.0	NaN	45	...	NaN	25.0	NaN	101.32	NaN	NaN	NaN	NaN	NaN	Cloudy
2012-03-30 22:00:00	2012	3	30	22:00		0.4	NaN	-8.1	NaN	53	...	NaN	25.0	NaN	101.30	NaN	NaN	NaN	NaN	NaN	Mostly Cloudy
2012-03-30 23:00:00	2012	3	30	23:00		1.4	NaN	-7.7	NaN	51	...	NaN	25.0	NaN	101.34	NaN	NaN	NaN	NaN	NaN	Mainly Clear
2012-03-31 00:00:00	2012	3	31	00:00		1.5	NaN	-8.6	NaN	47	...	NaN	25.0	NaN	101.33	NaN	NaN	NaN	NaN	NaN	Mostly Cloudy
2012-03-31 01:00:00	2012	3	31	01:00		1.3	NaN	-9.6	NaN	44	...	NaN	25.0	NaN	101.31	NaN	NaN	NaN	NaN	NaN	Mostly Cloudy
2012-03-31 02:00:00	2012	3	31	02:00		1.3	NaN	-9.7	NaN	44	...	NaN	25.0	NaN	101.29	NaN	NaN	NaN	NaN	NaN	Cloudy
2012-03-31 03:00:00	2012	3	31	03:00		0.7	NaN	-8.8	NaN	49	...	NaN	25.0	NaN	101.30	NaN	NaN	NaN	NaN	NaN	Cloudy
2012-03-31 04:00:00	2012	3	31	04:00		-0.9	NaN	-8.5	NaN	56	...	NaN	25.0	NaN	101.32	NaN	NaN	NaN	-5	NaN	Cloudy
2012-03-31 05:00:00	2012	3	31	05:00		-0.6	NaN	-9.2	NaN	52	...	NaN	25.0	NaN	101.30	NaN	NaN	NaN	-5	NaN	Cloudy
2012-03-31 06:00:00	2012	3	31	06:00		-0.5	NaN	-9.2	NaN	52	...	NaN	48.3	NaN	101.32	NaN	NaN	NaN	-5	NaN	Cloudy
2012-03-31 07:00:00	2012	3	31	07:00		-0.3	NaN	-9.2	NaN	51	...	NaN	48.3	NaN	101.32	NaN	NaN	NaN	-5	NaN	Cloudy
2012-03-31 08:00:00	2012	3	31	08:00		0.7	NaN	-8.5	NaN	50	...	NaN	48.3	NaN	101.33	NaN	NaN	NaN	NaN	NaN	Cloudy
2012-03-31 09:00:00	2012	3	31	09:00		1.5	NaN	-7.8	NaN	50	...	NaN	48.3	NaN	101.34	NaN	NaN	NaN	NaN	NaN	Mostly Cloudy
2012-03-31 10:00:00	2012	3	31	10:00		2.9	NaN	-8.1	NaN	44	...	NaN	48.3	NaN	101.30	NaN	NaN	NaN	NaN	NaN	Mainly Clear
2012-03-31 11:00:00	2012	3	31	11:00		4.6	NaN	-9.7	NaN	35	...	NaN	48.3	NaN	101.24	NaN	NaN	NaN	NaN	NaN	Clear
2012-03-31 12:00:00	2012	3	31	12:00		6.4	NaN	-7.1	NaN	37	...	NaN	48.3	NaN	101.16	NaN	NaN	NaN	NaN	NaN	Clear
2012-03-31 13:00:00	2012	3	31	13:00		6.5	NaN	-9.7	NaN	30	...	NaN	48.3	NaN	101.08	NaN	NaN	NaN	NaN	NaN	Clear
2012-03-31 14:00:00	2012	3	31	14:00		7.7	NaN	-8.5	NaN	31	...	NaN	48.3	NaN	101.01	NaN	NaN	NaN	NaN	NaN	Mainly Clear
2012-03-31 15:00:00	2012	3	31	15:00		7.7	NaN	-8.6	NaN	30	...	NaN	48.3	NaN	100.94	NaN	NaN	NaN	NaN	NaN	Mainly Clear
2012-03-31 16:00:00	2012	3	31	16:00		8.4	NaN	-7.7	NaN	31	...	NaN	48.3	NaN	100.89	NaN	NaN	NaN	NaN	NaN	Mainly Clear
2012-03-31 17:00:00	2012	3	31	17:00		7.9	NaN	-8.1	NaN	31	...	NaN	48.3	NaN	100.88	NaN	NaN	NaN	NaN	NaN	Mainly Clear
2012-03-31 18:00:00	2012	3	31	18:00		7.0	NaN	-8.2	NaN	33	...	NaN	48.3	NaN	100.87	NaN	NaN	NaN	NaN	NaN	Mainly Clear
2012-03-31 19:00:00	2012	3	31	19:00		5.9	NaN	-8.0	NaN	36	...	NaN	25.0	NaN	100.88	NaN	NaN	NaN	NaN	NaN	Clear
2012-03-31 20:00:00	2012	3	31	20:00		4.4	NaN	-7.2	NaN	43	...	NaN	25.0	NaN	100.85	NaN	NaN	NaN	NaN	NaN	Clear
2012-03-31 21:00:00	2012	3	31	21:00		2.6	NaN	-6.3	NaN	52	...	NaN	25.0	NaN	100.86	NaN	NaN	NaN	NaN	NaN	Clear
2012-03-31 22:00:00	2012	3	31	22:00		2.7	NaN	-6.7	NaN	50	...	NaN	25.0	NaN	100.82	NaN	NaN	NaN	NaN	NaN	Clear
2012-03-31 23:00:00	2012	3	31	23:00		1.5	NaN	-6.9	NaN	54	...	NaN	25.0	NaN	100.79	NaN	NaN	NaN	NaN	NaN	Clear

744 rows × 24 columns

把它画出来

In [7]:

_ = weather_mar2012[u"Temp (\xc2\xb0C)"].plot(figsize=(15, 5))

注意到，三月中旬的时候，最高气温居然有25°，那时候大家都穿着短袖！

悲情，那时候我不在城里。

此外，有些列名需要手工修改下：

In [8]:

weather_mar2012.columns = [
    u'Year', u'Month', u'Day', u'Time', u'Data Quality', u'Temp (C)', 
    u'Temp Flag', u'Dew Point Temp (C)', u'Dew Point Temp Flag', 
    u'Rel Hum (%)', u'Rel Hum Flag', u'Wind Dir (10s deg)', u'Wind Dir Flag', 
    u'Wind Spd (km/h)', u'Wind Spd Flag', u'Visibility (km)', u'Visibility Flag',
    u'Stn Press (kPa)', u'Stn Press Flag', u'Hmdx', u'Hmdx Flag', u'Wind Chill', 
    u'Wind Chill Flag', u'Weather']

注意到，前面的数据中某些列几乎全是空的，或者是只有少数几个数据，我们可以用dropna函数来去掉这些列。

dropna中的参数axis=1的意思是去掉整列而不是行，how=‘any’的意思是任何有空值的列都去掉。

现在数据就干净多了——只包含有真实数据的列

In [9]:

weather_mar2012 = weather_mar2012.dropna(axis=1, how='any')
weather_mar2012[:5]

Out[9]:

	Year	Month	Day	Time	Temp (C)	Dew Point Temp (C)	Rel Hum (%)	Wind Spd (km/h)	Visibility (km)	Stn Press (kPa)	Weather
Date/Time
2012-03-01 00:00:00	2012	3	1	00:00	-5.5	-9.7	72	24	4.0	100.97	Snow
2012-03-01 01:00:00	2012	3	1	01:00	-5.7	-8.7	79	26	2.4	100.87	Snow
2012-03-01 02:00:00	2012	3	1	02:00	-5.4	-8.3	80	28	4.8	100.80	Snow
2012-03-01 03:00:00	2012	3	1	03:00	-4.7	-7.7	79	28	4.0	100.69	Snow
2012-03-01 04:00:00	2012	3	1	04:00	-5.4	-7.8	83	35	1.6	100.62	Snow

Year/Month/Day/Time 这几列是冗余的，此外Data Quality这一列看起来也没什么用，删掉它们。

axis=1同样表示删除整列，默认是删除整行。

In [10]:

weather_mar2012 = weather_mar2012.drop(['Year', 'Month', 'Day', 'Time', 'Data Quality'], axis=1)
weather_mar2012[:5]

Out[10]:

	Temp (C)	Dew Point Temp (C)	Rel Hum (%)	Wind Spd (km/h)	Visibility (km)	Stn Press (kPa)	Weather
Date/Time
2012-03-01 00:00:00	-5.5	-9.7	72	24	4.0	100.97	Snow
2012-03-01 01:00:00	-5.7	-8.7	79	26	2.4	100.87	Snow
2012-03-01 02:00:00	-5.4	-8.3	80	28	4.8	100.80	Snow
2012-03-01 03:00:00	-4.7	-7.7	79	28	4.0	100.69	Snow
2012-03-01 04:00:00	-5.4	-7.8	83	35	1.6	100.62	Snow

现在我们只有一些相关列的数据，看起来清爽多了～

2.3 绘制一天中24小时的气温变化图¶

这个只是为了好玩～前面已经做过类似的groupby操作了。通过这个图可以看看气温的变换情况

In [11]:

temperatures = weather_mar2012[[u'Temp (C)']].copy()
print(temperatures.head)
temperatures.loc[:,'Hour'] = weather_mar2012.index.hour
temperatures.groupby('Hour').aggregate(np.median).plot()

<bound method DataFrame.head of                      Temp (C)
Date/Time                    
2012-03-01 00:00:00      -5.5
2012-03-01 01:00:00      -5.7
2012-03-01 02:00:00      -5.4
2012-03-01 03:00:00      -4.7
2012-03-01 04:00:00      -5.4
2012-03-01 05:00:00      -5.3
2012-03-01 06:00:00      -5.2
2012-03-01 07:00:00      -4.9
2012-03-01 08:00:00      -5.0
2012-03-01 09:00:00      -4.9
2012-03-01 10:00:00      -4.7
2012-03-01 11:00:00      -4.4
2012-03-01 12:00:00      -4.3
2012-03-01 13:00:00      -4.3
2012-03-01 14:00:00      -3.9
2012-03-01 15:00:00      -3.3
2012-03-01 16:00:00      -2.7
2012-03-01 17:00:00      -2.9
2012-03-01 18:00:00      -3.0
2012-03-01 19:00:00      -3.6
2012-03-01 20:00:00      -3.7
2012-03-01 21:00:00      -3.9
2012-03-01 22:00:00      -4.3
2012-03-01 23:00:00      -4.3
2012-03-02 00:00:00      -4.8
2012-03-02 01:00:00      -5.3
2012-03-02 02:00:00      -5.2
2012-03-02 03:00:00      -5.5
2012-03-02 04:00:00      -5.6
2012-03-02 05:00:00      -5.5
...                       ...
2012-03-30 18:00:00       3.9
2012-03-30 19:00:00       3.1
2012-03-30 20:00:00       3.0
2012-03-30 21:00:00       1.7
2012-03-30 22:00:00       0.4
2012-03-30 23:00:00       1.4
2012-03-31 00:00:00       1.5
2012-03-31 01:00:00       1.3
2012-03-31 02:00:00       1.3
2012-03-31 03:00:00       0.7
2012-03-31 04:00:00      -0.9
2012-03-31 05:00:00      -0.6
2012-03-31 06:00:00      -0.5
2012-03-31 07:00:00      -0.3
2012-03-31 08:00:00       0.7
2012-03-31 09:00:00       1.5
2012-03-31 10:00:00       2.9
2012-03-31 11:00:00       4.6
2012-03-31 12:00:00       6.4
2012-03-31 13:00:00       6.5
2012-03-31 14:00:00       7.7
2012-03-31 15:00:00       7.7
2012-03-31 16:00:00       8.4
2012-03-31 17:00:00       7.9
2012-03-31 18:00:00       7.0
2012-03-31 19:00:00       5.9
2012-03-31 20:00:00       4.4
2012-03-31 21:00:00       2.6
2012-03-31 22:00:00       2.7
2012-03-31 23:00:00       1.5

[744 rows x 1 columns]>

Out[11]:

<matplotlib.axes._subplots.AxesSubplot at 0x7f6dec8cb810>

看起来，3月份中值温度最高的时候出现在下午2点。

5.3 获取全年的数据¶

那么，现在我想要全年的数据呢？理想情况下，网站提供的API应该能够直接下载到全年数据，不过我并没有找到。

首先，把上面提取一个月数据的代码封装成一个函数。

不过有个奇怪的事情是，请求一月份数据的时候，返回的是上一年的数据，这个也会修正下（你可以自己确认下是不是真有这个问题）

In [12]:

def download_weather_month(year, month):
    if month == 1:
        year += 1
    url = url_template.format(year=year, month=month)
    weather_data = pd.read_csv(url, skiprows=15, index_col='Date/Time', parse_dates=True, header=True)
    weather_data = weather_data.dropna(axis=1)
    weather_data.columns = [col.replace('\xb0', '') for col in weather_data.columns]
    weather_data = weather_data.drop(['Year', 'Day', 'Month', 'Time', 'Data Quality'], axis=1)
    return weather_data

测试下上面的函数没有问题

In [13]:

download_weather_month(2012, 1)[:5]

Out[13]:

	Temp (C)	Dew Point Temp (C)	Rel Hum (%)	Wind Spd (km/h)	Visibility (km)	Stn Press (kPa)	Weather
Date/Time
2013-01-01 00:00:00	-1.0	-1.7	95	35	6.4	99.89	Snow
2013-01-01 01:00:00	-2.0	-5.1	79	35	16.1	99.93	Mainly Clear
2013-01-01 02:00:00	-2.7	-6.0	78	28	19.3	100.08	Snow
2013-01-01 03:00:00	-5.6	-11.7	62	30	25.0	100.21	Clear
2013-01-01 04:00:00	-7.7	-12.6	68	35	19.3	100.32	Mainly Clear

现在，一次性把所有数据下载下来，这需要点时间～

In [14]:

data_by_month = [download_weather_month(2012, i) for i in range(1, 13)]

搞定这个后，简单地使用pd.concat函数就可以把所有数据融合在一起了。现在得到的就是全年的数据。

In [15]:

weather_2012 = pd.concat(data_by_month)
weather_2012

Out[15]:

	Temp (C)	Dew Point Temp (C)	Rel Hum (%)	Wind Spd (km/h)	Visibility (km)	Stn Press (kPa)	Weather
Date/Time
2013-01-01 00:00:00	-1.0	-1.7	95	35	6.4	99.89	Snow
2013-01-01 01:00:00	-2.0	-5.1	79	35	16.1	99.93	Mainly Clear
2013-01-01 02:00:00	-2.7	-6.0	78	28	19.3	100.08	Snow
2013-01-01 03:00:00	-5.6	-11.7	62	30	25.0	100.21	Clear
2013-01-01 04:00:00	-7.7	-12.6	68	35	19.3	100.32	Mainly Clear
2013-01-01 05:00:00	-9.7	-14.8	66	33	25.0	100.47	Clear
2013-01-01 06:00:00	-11.1	-17.0	62	30	25.0	100.65	Clear
2013-01-01 07:00:00	-12.2	-17.2	66	20	25.0	100.78	Clear
2013-01-01 08:00:00	-13.0	-17.7	68	13	24.1	100.87	Clear
2013-01-01 09:00:00	-13.0	-17.3	70	20	24.1	100.86	Clear
2013-01-01 10:00:00	-12.6	-17.8	65	19	24.1	100.90	Clear
2013-01-01 11:00:00	-12.2	-17.6	64	22	24.1	100.88	Mainly Clear
2013-01-01 12:00:00	-11.8	-17.2	64	26	24.1	100.87	Mainly Clear
2013-01-01 13:00:00	-11.3	-17.4	61	26	24.1	100.83	Mainly Clear
2013-01-01 14:00:00	-11.3	-17.4	61	28	24.1	100.82	Mainly Clear
2013-01-01 15:00:00	-11.4	-17.6	60	30	24.1	100.85	Mainly Clear
2013-01-01 16:00:00	-12.0	-18.0	61	22	24.1	100.81	Mainly Clear
2013-01-01 17:00:00	-13.0	-18.4	64	19	25.0	100.90	Clear
2013-01-01 18:00:00	-13.4	-18.4	66	24	25.0	100.96	Clear
2013-01-01 19:00:00	-14.1	-18.7	68	20	25.0	101.02	Clear
2013-01-01 20:00:00	-14.3	-19.0	67	15	25.0	101.04	Clear
2013-01-01 21:00:00	-14.8	-19.5	67	15	25.0	100.98	Mainly Clear
2013-01-01 22:00:00	-16.3	-20.2	72	7	25.0	100.98	Mostly Cloudy
2013-01-01 23:00:00	-15.4	-19.8	69	11	25.0	100.99	Cloudy
2013-01-02 00:00:00	-14.0	-18.4	69	11	19.3	100.96	Snow
2013-01-02 01:00:00	-14.1	-18.3	70	11	25.0	100.91	Mostly Cloudy
2013-01-02 02:00:00	-14.3	-18.3	72	13	25.0	100.94	Snow Showers
2013-01-02 03:00:00	-14.7	-18.0	76	9	19.3	100.91	Snow
2013-01-02 04:00:00	-14.2	-17.1	79	6	9.7	100.83	Snow
2013-01-02 05:00:00	-14.3	-17.0	80	0	6.4	100.81	Snow
...	...	...	...	...	...	...	...
2012-12-30 18:00:00	-12.6	-16.0	76	24	25.0	101.36	Mainly Clear
2012-12-30 19:00:00	-13.4	-16.5	77	26	25.0	101.47	Mainly Clear
2012-12-30 20:00:00	-13.8	-16.5	80	24	25.0	101.52	Clear
2012-12-30 21:00:00	-13.8	-16.5	80	20	25.0	101.50	Mainly Clear
2012-12-30 22:00:00	-13.7	-16.3	81	19	25.0	101.54	Mainly Clear
2012-12-30 23:00:00	-12.1	-15.1	78	28	25.0	101.52	Mostly Cloudy
2012-12-31 00:00:00	-11.1	-14.4	77	26	25.0	101.51	Cloudy
2012-12-31 01:00:00	-10.7	-14.0	77	15	25.0	101.50	Cloudy
2012-12-31 02:00:00	-10.1	-13.4	77	9	25.0	101.45	Cloudy
2012-12-31 03:00:00	-11.8	-14.4	81	6	25.0	101.42	Mostly Cloudy
2012-12-31 04:00:00	-10.5	-12.8	83	11	25.0	101.34	Cloudy
2012-12-31 05:00:00	-10.2	-12.4	84	6	25.0	101.28	Cloudy
2012-12-31 06:00:00	-9.7	-11.7	85	4	25.0	101.23	Cloudy
2012-12-31 07:00:00	-9.3	-11.3	85	0	19.3	101.19	Snow Showers
2012-12-31 08:00:00	-8.6	-10.3	87	4	3.2	101.14	Snow Showers
2012-12-31 09:00:00	-8.1	-9.6	89	4	2.4	101.09	Snow
2012-12-31 10:00:00	-7.4	-8.9	89	4	6.4	101.05	Snow,Fog
2012-12-31 11:00:00	-6.7	-7.9	91	9	9.7	100.93	Snow
2012-12-31 12:00:00	-5.8	-7.5	88	4	12.9	100.78	Snow
2012-12-31 13:00:00	-4.6	-6.6	86	4	12.9	100.63	Snow
2012-12-31 14:00:00	-3.4	-5.7	84	6	11.3	100.57	Snow
2012-12-31 15:00:00	-2.3	-4.6	84	9	9.7	100.47	Snow
2012-12-31 16:00:00	-1.4	-4.0	82	13	12.9	100.40	Snow
2012-12-31 17:00:00	-1.1	-3.3	85	19	9.7	100.30	Snow
2012-12-31 18:00:00	-1.3	-3.1	88	17	9.7	100.19	Snow
2012-12-31 19:00:00	0.1	-2.7	81	30	9.7	100.13	Snow
2012-12-31 20:00:00	0.2	-2.4	83	24	9.7	100.03	Snow
2012-12-31 21:00:00	-0.5	-1.5	93	28	4.8	99.95	Snow
2012-12-31 22:00:00	-0.2	-1.8	89	28	9.7	99.91	Snow
2012-12-31 23:00:00	0.0	-2.1	86	30	11.3	99.89	Snow

8784 rows × 7 columns

5.4 保存到 CSV 文件¶

显然没必要每次都去下载数据，那样太慢了，直接保存到本地，方便以后使用。

In [16]:

weather_2012.to_csv('../data/weather_2012.csv')

搞定！