La clasificación climática juega un papel fundamental en la comprensión de los patrones climáticos, particularmente en el contexto de un clima cambiante. Este estudio utilizó datos meteorológicos horarios de 36 ciudades principales en China desde 2011 hasta 2021, incluyendo la temperatura a 2 m (T2), la humedad relativa (HR) y la precipitación (PRE). Se utilizaron tanto las secuencias horarias originales como las secuencias de valores diarios como entradas, aplicando dos métodos de agrupamiento no jerárquicos (k-medias y k-medoides) y cuatro métodos de agrupamiento jerárquico (ward, completo, promedio y simple) para la agrupación. Los resultados de la clasificación se compararon utilizando dos índices de evaluación de agrupamiento: el coeficiente de silueta y el índice de Calinski-Harabasz. Además, el agrupamiento se comparó con la clasificación climática de Köppen-Geiger basada en la máxima diferencia en las variables intra-clúster. Los resultados mostraron que el método de agrupamiento superó la clasificación climática de Köppen-Geiger, siendo el método de k-medoides el que logró los mejores resultados. Nuestra investigación también comparó la efectividad de la clasificación climática utilizando dos variables (T2 y PRE) frente a tres variables, incluyendo la adición de HR horaria. La evaluación de los clústeres confirmó que incorporar la secuencia original de T2, PRE y HR horaria produjo el mejor rendimiento en la clasificación climática. Esto sugiere que considerar más variables meteorológicas y utilizar datos de observación horarios puede mejorar significativamente la precisión y fiabilidad de la clasificación climática. Además, al establecer el número de clases en dos, los métodos de agrupamiento identificaron efectivamente los límites climáticos entre el norte y el sur de China, alineándose con la división geográfica tradicional de China a lo largo de la línea del río Qinling-Huaihe.