利用 Stations 类筛选中国气象站数据

通过一个完整的代码示例，展示如何利用 Meteostat 库中的 Stations 类来加载、筛选和提取中国的气象站数据。

• 根据国家代码筛选中国气象站
• 根据距离筛选某一城市附近的气象站
• 筛选指定日期具备日数据的站点
• 随机抽取部分站点数据进行查看

1. 初始化与加载数据

首先，通过创建 Stations 类的实例，会自动加载全球气象站数据。为了演示，我们主要关注中国的站点数据，因此后续将利用 region() 方法进行过滤。

from meteostat import Stations
from datetime import datetime

# 初始化 Stations 类，加载所有站点数据
stations = Stations()

 在实例化之后，Stations 类会自动调用内部的加载函数，将数据读取并缓存到本地，以提高后续查询的速度。

2. 筛选中国站点数据

利用 region() 方法，我们可以根据国家代码筛选出中国的气象站数据。中国的国家代码为 "CN"。

# 根据国家代码筛选出中国的气象站
cn_stations = stations.region(country="CN")
print("中国站点数量:", cn_stations.count())

这样就可以获得所有属于中国的气象站，并使用 count() 方法来查看筛选后的站点数量。

3. 按地理位置筛选指定城市附近的站点

假设我们需要查询北京周边（例如半径 50 公里范围内）的气象站，可以使用 nearby() 方法。北京的经纬度大致为：纬度 39.9042， 经度 116.4074。

# 根据距离筛选北京附近 50 公里内的站点
beijing_stations = stations.nearby(lat=39.9042, lon=116.4074, radius=50)
print("北京附近站点数量:", beijing_stations.count())

该方法内部会计算每个站点到指定经纬度的距离，并返回距离在设定半径内的站点，同时按照距离从近到远进行排序。

4. 根据数据可用性筛选具备日数据的站点

有时我们还需要筛选在某个特定日期具备日观测数据的站点。通过 inventory() 方法，可以确保返回的站点在指定日期有有效的日数据记录。比如，我们希望筛选出在 2020 年 1 月 1 日具备日数据的站点：

# 筛选在2020年1月1日具备日数据的站点
date = datetime(2020, 1, 1)
daily_stations = stations.inventory(freq="daily", required=date)
print("2020年1月1日具备日数据的站点数量:", daily_stations.count())

这里，inventory(freq="daily", required=date) 方法会检查各站点在 daily_start 和 daily_end 字段中是否涵盖指定日期。

5. 抽取部分数据进行查看

有时我们并不需要所有数据，而是希望随机抽取几条记录进行快速查看。通过 fetch() 方法的 limit 和 sample 参数，可以方便地获取一部分数据。

# 从中国站点中随机抽取5个样本进行展示
sample_cn_stations = cn_stations.fetch(limit=5, sample=True)
print("抽样的中国站点数据:")
print(sample_cn_stations)

如果希望抽取固定前几条记录，则可以设置 sample=False 或仅使用 limit 参数。

通过以上示例，展示了利用 Stations 类实现对中国气象站数据的以下操作：

1. 数据加载：实例化 Stations 类后，数据会自动加载和缓存。
2. 国家筛选：利用 region(country="CN") 筛选出中国的所有气象站。
3. 距离筛选：通过 nearby() 方法，获取北京周边一定半径范围内的站点。
4. 数据可用性：使用 inventory() 方法筛选在特定日期具备日数据记录的站点。
5. 数据抽取：使用 fetch() 方法获取部分数据进行快速查看。