-1
私は複数の気象観測所から何年もの時間データを取得し、それをpandasデータフレームに入れようとしています。リクエストには制限があり、このデータをスクラップするために何千ドルも支払う必要がないため、APIを使用することはできません。Pythonで複数のURLリクエストの値リストをループする
1つのステーションから必要なすべてのデータをスクラップするスクリプトを取得できます。私がそれを修正しようとすると、ステーションのリストをループするので、406エラーが出るか、リストの最初のステーションからのデータだけが返されます。すべてのステーションをどのようにループできますか？また、別の列のデータフレームに追加できるようにステーション名を保存するにはどうしたらいいですか？ここ
は私のコードは、現在次のようになります。ここでは
stations = ['EGMC','KSAT','CAHR']
weather_data = []
date = []
for s in stations:
for y in range(2014,2015):
for m in range(1, 13):
for d in range(1, 32):
#check if a leap year
if y%400 == 0:
leap = True
elif y%100 == 0:
leap = False
elif y%4 == 0:
leap = True
else:
leap = False
#check to see if dates have already been scraped
if (m==2 and leap and d>29):
continue
elif (y==2013 and m==2 and d > 28):
continue
elif(m in [4, 6, 9, 11] and d > 30):
continue
timestamp = str(y) + str(m) + str(d)
print ('Getting data for ' + timestamp)
#pull URL
url = 'http://www.wunderground.com/history/airport/{0}/' + str(y) + '/' + str(m) + '/' + str(d) + '/DailyHistory.html?HideSpecis=1'.format(stations)
page = urlopen(url)
#find the correct piece of data on the page
soup = BeautifulSoup(page, 'lxml')
for row in soup.select("table tr.no-metars"):
date.append(str(y) + '/' + str(m) + '/' + str(d))
cells = [cell.text.strip().encode('ascii', 'ignore').decode('ascii') for cell in row.find_all('td')]
weather_data.append(cells)
weather_datadf = pd.DataFrame(weather_data)
datedf = pd.DataFrame(date)
result = pd.concat([datedf, weather_datadf], axis=1)
result