您好,登錄后才能下訂單哦!
這篇文章主要講解了“Python爬取天氣數(shù)據(jù)及可視化分析的方法是什么”,文中的講解內(nèi)容簡單清晰,易于學(xué)習(xí)與理解,下面請大家跟著小編的思路慢慢深入,一起來研究和學(xué)習(xí)“Python爬取天氣數(shù)據(jù)及可視化分析的方法是什么”吧!
首先查看中國天氣網(wǎng),這里就訪問本地的天氣網(wǎng)址,如果想爬取不同的地區(qū)只需修改最后的101280701地區(qū)編號即可,前面的weather代表是7天的網(wǎng)頁,weather1d代表當(dāng)天,weather15d代表未來14天。這里就主要訪問7天和14天的中國天氣網(wǎng)。采用requests.get()方法,請求網(wǎng)頁,如果成功訪問,則得到的是網(wǎng)頁的所有字符串文本。這就是請求過程。
def getHTMLtext(url): """請求獲得網(wǎng)頁內(nèi)容""" try: r = requests.get(url, timeout = 30) r.raise_for_status() r.encoding = r.apparent_encoding print("成功訪問") return r.text except: print("訪問錯誤") return" "
這里采用BeautifulSoup庫對剛剛獲取的字符串進行數(shù)據(jù)提取,首先對網(wǎng)頁進行檢查,找到需要獲取數(shù)據(jù)的標簽:
可以發(fā)現(xiàn)7天的數(shù)據(jù)信息在div標簽中并且id=“7d”,并且日期、天氣、溫度、風(fēng)級等信息都在ul和li標簽中,所以我們可以使用BeautifulSoup對獲取的網(wǎng)頁文本進行查找div標簽id=“7d”,找出他包含的所有的ul和li標簽,之后提取標簽中相應(yīng)的數(shù)據(jù)值,保存到對應(yīng)列表中。
這里要注意一個細節(jié)就是有時日期沒有最高氣溫,對于沒有數(shù)據(jù)的情況要進行判斷和處理。另外對于一些數(shù)據(jù)保存的格式也要提前進行處理,比如溫度后面的攝氏度符號,日期數(shù)字的提取,和風(fēng)級文字的提取,這需要用到字符查找及字符串切片處理。
def get_content(html): """處理得到有用信息保存數(shù)據(jù)文件""" final = []# 初始化一個列表保存數(shù)據(jù) bs = BeautifulSoup(html, "html.parser")# 創(chuàng)建BeautifulSoup對象 body = bs.body data = body.find('div', {'id': '7d'})# 找到div標簽且id = 7d
下面爬取當(dāng)天的數(shù)據(jù)
data2 = body.find_all('div',{'class':'left-div'}) text = data2[2].find('script').string text = text[text.index('=')+1 :-2] # 移除改var data=將其變?yōu)閖son數(shù)據(jù) jd = json.loads(text) dayone = jd['od']['od2'] # 找到當(dāng)天的數(shù)據(jù) final_day = [] # 存放當(dāng)天的數(shù)據(jù) count = 0 for i in dayone: temp = [] if count <=23: temp.append(i['od21']) # 添加時間 temp.append(i['od22']) # 添加當(dāng)前時刻溫度 temp.append(i['od24']) # 添加當(dāng)前時刻風(fēng)力方向 temp.append(i['od25']) # 添加當(dāng)前時刻風(fēng)級 temp.append(i['od26']) # 添加當(dāng)前時刻降水量 temp.append(i['od27']) # 添加當(dāng)前時刻相對濕度 temp.append(i['od28']) # 添加當(dāng)前時刻控制質(zhì)量 #print(temp) final_day.append(temp) count = count +1
下面爬取7天的數(shù)據(jù)
ul = data.find('ul')# 找到所有的ul標簽 li = ul.find_all('li')# 找到左右的li標簽 i = 0 # 控制爬取的天數(shù) for day in li:# 遍歷找到的每一個li if i < 7 and i > 0: temp = []# 臨時存放每天的數(shù)據(jù) date = day.find('h2').string # 得到日期 date = date[0:date.index('日')] # 取出日期號 temp.append(date) inf = day.find_all('p')# 找出li下面的p標簽,提取第一個p標簽的值,即天氣 temp.append(inf[0].string) tem_low = inf[1].find('i').string # 找到最低氣溫 if inf[1].find('span') is None: # 天氣預(yù)報可能沒有最高氣溫 tem_high = None else: tem_high = inf[1].find('span').string# 找到最高氣溫 temp.append(tem_low[:-1]) if tem_high[-1] == '℃': temp.append(tem_high[:-1]) else: temp.append(tem_high) wind = inf[2].find_all('span')# 找到風(fēng)向 for j in wind: temp.append(j['title']) wind_scale = inf[2].find('i').string # 找到風(fēng)級 index1 = wind_scale.index('級') temp.append(int(wind_scale[index1-1:index1])) final.append(temp) i = i + 1 return final_day,final
同樣對于/weather15d:15天的信息,也做同樣的處理,這里經(jīng)過查看后發(fā)現(xiàn)他的15天網(wǎng)頁中只有8-14天,前面的1-7天在/weather中,這里就分別訪問兩個網(wǎng)頁將爬取得到的數(shù)據(jù)進行合并得到最終14天的數(shù)據(jù)。- 前面是未來14天的數(shù)據(jù)爬取過程,對于當(dāng)天24小時的天氣信息數(shù)據(jù),經(jīng)過查找發(fā)現(xiàn)他是一個json數(shù)據(jù),可以通過json.loads()方法獲取當(dāng)天的數(shù)據(jù),進而對當(dāng)天的天氣信息進行提取。
前面將爬取的數(shù)據(jù)添加到列表中,這里引入csv庫,利用f_csv.writerow(header)和f_csv.writerows(data)方法,分別寫入表頭和每一行的數(shù)據(jù),這里將1天和未來14天的數(shù)據(jù)分開存儲,分別保存為weather1.csv和weather14.csv,下面是他們保存的表格圖:
采用matplotlib中plt.plot()方法繪制出一天24小時的溫度變化曲線,并用plt.text()方法點出最高溫和最低溫,并畫出平均溫度線,下圖為溫度變化曲線圖:(代碼見附錄)
牛逼啊!接私活必備的 N 個開源項目!趕快收藏吧
分析可以發(fā)現(xiàn)這一天最高溫度為33℃,最低溫度為28℃,并且平均溫度在20.4℃左右,通過對時間分析,發(fā)現(xiàn)晝夜溫差5℃,低溫分布在凌晨,高溫分布在中午到下午的時間段。
采用matplotlib中plt.plot()方法繪制出一天24小時的濕度變化曲線,并畫出平均相對濕度線,下圖為濕度變化曲線圖:(代碼見附錄)
分析可以發(fā)現(xiàn)這一天最高相對濕度為86%,最低相對濕度為58℃,并且平均相對濕度在75%左右,通過對時間分析,清晨的濕度比較大,而下午至黃昏濕度較小。
經(jīng)過前面兩個圖的分析我們可以感覺到溫度和濕度之間是有關(guān)系的,為了更加清楚直觀地感受這種關(guān)系,使用plt.scatter()方法將溫度為橫坐標、濕度為縱坐標,每個時刻的點在圖中點出來,并且計算相關(guān)系數(shù),下圖為結(jié)果圖:
分析可以發(fā)現(xiàn)一天的溫度和濕度具有強烈的相關(guān)性,他們呈負相關(guān),這就說明他們時間是負相關(guān)關(guān)系,并且進一步分析,當(dāng)溫度較低時,空氣中水分含量較多,濕度自然較高,而溫度較高時,水分蒸發(fā),空氣就比較干 燥,濕度較低,符合平時氣候現(xiàn)象。
空氣質(zhì)量指數(shù)AQI是定量描述空氣質(zhì)量狀況的指數(shù),其數(shù)值越大說明空氣污染狀況越重,對人體健康的危害也就越大。一般將空氣質(zhì)量指數(shù)分為6個等級,等級越高說明污染越嚴重,下面使用plt.bar方法對一天24小時的空氣質(zhì)量進行了柱狀圖繪制,并且根據(jù)6個等級的不同,相應(yīng)的柱狀圖的顏色也從淺到深,也表明污染逐步加重,更直觀的顯示污染情況,并且也將最高和最低的空氣質(zhì)量指數(shù)標出,用虛線畫出平均的空氣質(zhì)量指數(shù),下圖是繪制結(jié)果圖:
上面這張是南方珠海的控制質(zhì)量圖,可以看出空氣質(zhì)量指數(shù)最大也是在健康范圍,說明珠??諝夥浅:茫治隹梢园l(fā)現(xiàn)這一天最高空氣質(zhì)量指數(shù)達到了35,最低則只有14,并且平均在25左右,通過時間也可以發(fā)現(xiàn),基本在清晨的時候是空氣最好的時候(4-9點),在下午是空氣污染最嚴重的時候,所以清晨一般可以去外面呼吸新鮮的空氣,那時污染最小。
而下面這個空氣質(zhì)量圖是選取的北方的一個城市,可以看到這里的環(huán)境遠遠比不上珠海。
統(tǒng)計一天的風(fēng)力和風(fēng)向,由于風(fēng)力風(fēng)向使用極坐標的方式展現(xiàn)較好,所以這里采用的是極坐標的方式展現(xiàn)一天的風(fēng)力風(fēng)向圖,將圓分為8份,每一份代表一個風(fēng)向,半徑代表平均風(fēng)力,并且隨著風(fēng)級增高,藍色加深,最后結(jié)果如下所示:
分析可以發(fā)現(xiàn)這一天西南風(fēng)最多,平均風(fēng)級達到了1.75級,東北風(fēng)也有小部分1.0級,其余空白方向無來風(fēng)。
統(tǒng)計未來14天的高低溫度變化,并繪制出他們的變化曲線圖,分別用虛線將他們的平均氣溫線繪制出來,最后結(jié)果如下所示:
分析可以發(fā)現(xiàn)未來14天高溫平均氣溫為30.5℃,溫度還是比較高,但是未來的第8天有降溫,需要做好降溫準備,低溫前面處于平穩(wěn)趨勢,等到第8天開始下降,伴隨著高溫也下降,整體溫度下降,低溫平均在27℃左右。
統(tǒng)計未來14天的風(fēng)向和平均風(fēng)力,并和前面一樣采用極坐標形式,將圓周分為8個部分,代表8個方向,顏色越深代表風(fēng)級越高,最后結(jié)果如下所示:
分析可以發(fā)現(xiàn)未來14天東南風(fēng)、西南風(fēng)所占主要風(fēng)向,風(fēng)級最高達到了5級,最低的西風(fēng)平均風(fēng)級也有3級。
統(tǒng)計未來14天的氣候,并求每個氣候的總天數(shù),最后將各個氣候的餅圖繪制出來,結(jié)果如下所示:
分析可以發(fā)現(xiàn)未來14天氣候基本是“雨”、“陰轉(zhuǎn)雨”和“陣雨”,下雨的天數(shù)較多,結(jié)合前面的氣溫分布圖可以看出在第8-9天氣溫高溫下降,可以推測當(dāng)天下雨,導(dǎo)致氣溫下降。
1.首先根據(jù)爬取的溫濕度數(shù)據(jù)進行的分析,溫度從早上低到中午高再到晚上低,濕度和溫度的趨勢相反,通過相關(guān)系數(shù)發(fā)現(xiàn)溫度和濕度有強烈的負相關(guān)關(guān)系,經(jīng)查閱資料發(fā)現(xiàn)因為隨著溫度升高水蒸汽蒸發(fā)加劇,空氣中水分降低濕度降低。當(dāng)然,濕度同時受氣壓和雨水的影響,下雨濕度會明顯增高。
2.經(jīng)查閱資料空氣質(zhì)量不僅跟工廠、汽車等排放的煙氣、廢氣等有關(guān),更為重要的是與氣象因素有關(guān)。由于晝夜溫差明顯變化,當(dāng)?shù)孛鏈囟雀哂诟呖諟囟葧r,空氣上升,污染物易被帶到高空擴散;當(dāng)?shù)孛鏈囟鹊陀谝欢ǜ叨鹊臏囟葧r,天空形成逆溫層,它像一個大蓋子一樣壓在地面上空,使地表空氣中各種污染物不易擴散。一般在晚間和清晨影響較大,而當(dāng)太陽出來后,地面迅速升溫,逆溫層就會逐漸消散,于是污染空氣也就擴散了。
3.風(fēng)是由氣壓在水平方向分布的不均勻?qū)е碌?。風(fēng)受大氣環(huán)流、地形、水域等不同因素的綜合影響,表現(xiàn)形式多種多樣,如季風(fēng)、地方性的海陸風(fēng)、山谷風(fēng)等,一天的風(fēng)向也有不同的變化,根據(jù)未來14天的風(fēng)向雷達圖可以發(fā)現(xiàn)未來所有風(fēng)向基本都有涉及,并且沒有特別的某個風(fēng)向,原因可能是近期沒有降水和氣文變化不大,導(dǎo)致風(fēng)向也沒有太大的變化規(guī)律。
4.天氣是指某一個地區(qū)距離地表較近的大氣層在短時間內(nèi)的具體狀態(tài)。跟某瞬時內(nèi)大氣中各種氣象要素分布的綜合表現(xiàn)。根據(jù)未來14天的天氣和溫度變化可以大致推斷出某個時間的氣候,天氣和溫度之間也是有聯(lián)系的。
代碼主要分為weather.py:對中國天氣網(wǎng)進行爬取天氣數(shù)據(jù)并保存csv文件;data1_analysis.py:對當(dāng)天的天氣信息進行可視化處理;data14_analysis.py:對未來14天的天氣信息進行可視化處理。下面是代碼的結(jié)構(gòu)圖:
weather.py
# weather.py import requests from bs4 import BeautifulSoup import csv import json def getHTMLtext(url): """請求獲得網(wǎng)頁內(nèi)容""" try: r = requests.get(url, timeout = 30) r.raise_for_status() r.encoding = r.apparent_encoding print("成功訪問") return r.text except: print("訪問錯誤") return" " def get_content(html): """處理得到有用信息保存數(shù)據(jù)文件""" final = []# 初始化一個列表保存數(shù)據(jù) bs = BeautifulSoup(html, "html.parser")# 創(chuàng)建BeautifulSoup對象 body = bs.body data = body.find('div', {'id': '7d'})# 找到div標簽且id = 7d # 下面爬取當(dāng)天的數(shù)據(jù) data2 = body.find_all('div',{'class':'left-div'}) text = data2[2].find('script').string text = text[text.index('=')+1 :-2] # 移除改var data=將其變?yōu)閖son數(shù)據(jù) jd = json.loads(text) dayone = jd['od']['od2'] # 找到當(dāng)天的數(shù)據(jù) final_day = [] # 存放當(dāng)天的數(shù)據(jù) count = 0 for i in dayone: temp = [] if count <=23: temp.append(i['od21']) # 添加時間 temp.append(i['od22']) # 添加當(dāng)前時刻溫度 temp.append(i['od24']) # 添加當(dāng)前時刻風(fēng)力方向 temp.append(i['od25']) # 添加當(dāng)前時刻風(fēng)級 temp.append(i['od26']) # 添加當(dāng)前時刻降水量 temp.append(i['od27']) # 添加當(dāng)前時刻相對濕度 temp.append(i['od28']) # 添加當(dāng)前時刻控制質(zhì)量 #print(temp) final_day.append(temp) count = count +1 # 下面爬取7天的數(shù)據(jù) ul = data.find('ul')# 找到所有的ul標簽 li = ul.find_all('li')# 找到左右的li標簽 i = 0 # 控制爬取的天數(shù) for day in li:# 遍歷找到的每一個li if i < 7 and i > 0: temp = []# 臨時存放每天的數(shù)據(jù) date = day.find('h2').string # 得到日期 date = date[0:date.index('日')] # 取出日期號 temp.append(date) inf = day.find_all('p')# 找出li下面的p標簽,提取第一個p標簽的值,即天氣 temp.append(inf[0].string) tem_low = inf[1].find('i').string # 找到最低氣溫 if inf[1].find('span') is None: # 天氣預(yù)報可能沒有最高氣溫 tem_high = None else: tem_high = inf[1].find('span').string# 找到最高氣溫 temp.append(tem_low[:-1]) if tem_high[-1] == '℃': temp.append(tem_high[:-1]) else: temp.append(tem_high) wind = inf[2].find_all('span')# 找到風(fēng)向 for j in wind: temp.append(j['title']) wind_scale = inf[2].find('i').string # 找到風(fēng)級 index1 = wind_scale.index('級') temp.append(int(wind_scale[index1-1:index1])) final.append(temp) i = i + 1 return final_day,final #print(final) def get_content2(html): """處理得到有用信息保存數(shù)據(jù)文件""" final = []# 初始化一個列表保存數(shù)據(jù) bs = BeautifulSoup(html, "html.parser")# 創(chuàng)建BeautifulSoup對象 body = bs.body data = body.find('div', {'id': '15d'})# 找到div標簽且id = 15d ul = data.find('ul')# 找到所有的ul標簽 li = ul.find_all('li')# 找到左右的li標簽 final = [] i = 0 # 控制爬取的天數(shù) for day in li: # 遍歷找到的每一個li if i < 8: temp = [] # 臨時存放每天的數(shù)據(jù) date = day.find('span',{'class':'time'}).string# 得到日期 date = date[date.index('(')+1:-2]# 取出日期號 temp.append(date) weather = day.find('span',{'class':'wea'}).string# 找到天氣 temp.append(weather) tem = day.find('span',{'class':'tem'}).text# 找到溫度 temp.append(tem[tem.index('/')+1:-1]) # 找到最低氣溫 temp.append(tem[:tem.index('/')-1])# 找到最高氣溫 wind = day.find('span',{'class':'wind'}).string# 找到風(fēng)向 if '轉(zhuǎn)' in wind: # 如果有風(fēng)向變化 temp.append(wind[:wind.index('轉(zhuǎn)')]) temp.append(wind[wind.index('轉(zhuǎn)')+1:]) else: # 如果沒有風(fēng)向變化,前后風(fēng)向一致 temp.append(wind) temp.append(wind) wind_scale = day.find('span',{'class':'wind1'}).string# 找到風(fēng)級 index1 = wind_scale.index('級') temp.append(int(wind_scale[index1-1:index1])) final.append(temp) return final def write_to_csv(file_name, data, day=14): """保存為csv文件""" with open(file_name, 'a', errors='ignore', newline='') as f: if day == 14: header = ['日期','天氣','最低氣溫','最高氣溫','風(fēng)向1','風(fēng)向2','風(fēng)級'] else: header = ['小時','溫度','風(fēng)力方向','風(fēng)級','降水量','相對濕度','空氣質(zhì)量'] f_csv = csv.writer(f) f_csv.writerow(header) f_csv.writerows(data) def main(): """主函數(shù)""" print("Weather test") # 珠海 url1 = 'http://www.weather.com.cn/weather/101280701.shtml'# 7天天氣中國天氣網(wǎng) url2 = 'http://www.weather.com.cn/weather15d/101280701.shtml' # 8-15天天氣中國天氣網(wǎng) html1 = getHTMLtext(url1) data1, data1_7 = get_content(html1)# 獲得1-7天和當(dāng)天的數(shù)據(jù) html2 = getHTMLtext(url2) data8_14 = get_content2(html2) # 獲得8-14天數(shù)據(jù) data14 = data1_7 + data8_14 #print(data) write_to_csv('weather14.csv',data14,14) # 保存為csv文件 write_to_csv('weather1.csv',data1,1) if __name__ == '__main__': main()
data1_analysis.py:
# data1_analysis.py import matplotlib.pyplot as plt import numpy as np import pandas as pd import math def tem_curve(data): """溫度曲線繪制""" hour = list(data['小時']) tem = list(data['溫度']) for i in range(0,24): if math.isnan(tem[i]) == True: tem[i] = tem[i-1] tem_ave = sum(tem)/24 # 求平均溫度 tem_max = max(tem) tem_max_hour = hour[tem.index(tem_max)] # 求最高溫度 tem_min = min(tem) tem_min_hour = hour[tem.index(tem_min)] # 求最低溫度 x = [] y = [] for i in range(0, 24): x.append(i) y.append(tem[hour.index(i)]) plt.figure(1) plt.plot(x,y,color='red',label='溫度') # 畫出溫度曲線 plt.scatter(x,y,color='red') # 點出每個時刻的溫度點 plt.plot([0, 24], [tem_ave, tem_ave], c='blue', linestyle='--',label='平均溫度')# 畫出平均溫度虛線 plt.text(tem_max_hour+0.15, tem_max+0.15, str(tem_max), ha='center', va='bottom', fontsize=10.5)# 標出最高溫度 plt.text(tem_min_hour+0.15, tem_min+0.15, str(tem_min), ha='center', va='bottom', fontsize=10.5)# 標出最低溫度 plt.xticks(x) plt.legend() plt.title('一天溫度變化曲線圖') plt.xlabel('時間/h') plt.ylabel('攝氏度/℃') plt.show() def hum_curve(data): """相對濕度曲線繪制""" hour = list(data['小時']) hum = list(data['相對濕度']) for i in range(0,24): if math.isnan(hum[i]) == True: hum[i] = hum[i-1] hum_ave = sum(hum)/24 # 求平均相對濕度 hum_max = max(hum) hum_max_hour = hour[hum.index(hum_max)] # 求最高相對濕度 hum_min = min(hum) hum_min_hour = hour[hum.index(hum_min)] # 求最低相對濕度 x = [] y = [] for i in range(0, 24): x.append(i) y.append(hum[hour.index(i)]) plt.figure(2) plt.plot(x,y,color='blue',label='相對濕度') # 畫出相對濕度曲線 plt.scatter(x,y,color='blue') # 點出每個時刻的相對濕度 plt.plot([0, 24], [hum_ave, hum_ave], c='red', linestyle='--',label='平均相對濕度')# 畫出平均相對濕度虛線 plt.text(hum_max_hour+0.15, hum_max+0.15, str(hum_max), ha='center', va='bottom', fontsize=10.5)# 標出最高相對濕度 plt.text(hum_min_hour+0.15, hum_min+0.15, str(hum_min), ha='center', va='bottom', fontsize=10.5)# 標出最低相對濕度 plt.xticks(x) plt.legend() plt.title('一天相對濕度變化曲線圖') plt.xlabel('時間/h') plt.ylabel('百分比/%') plt.show() def air_curve(data): """空氣質(zhì)量曲線繪制""" hour = list(data['小時']) air = list(data['空氣質(zhì)量']) print(type(air[0])) for i in range(0,24): if math.isnan(air[i]) == True: air[i] = air[i-1] air_ave = sum(air)/24 # 求平均空氣質(zhì)量 air_max = max(air) air_max_hour = hour[air.index(air_max)] # 求最高空氣質(zhì)量 air_min = min(air) air_min_hour = hour[air.index(air_min)] # 求最低空氣質(zhì)量 x = [] y = [] for i in range(0, 24): x.append(i) y.append(air[hour.index(i)]) plt.figure(3) for i in range(0,24): if y[i] <= 50: plt.bar(x[i],y[i],color='lightgreen',width=0.7)# 1等級 elif y[i] <= 100: plt.bar(x[i],y[i],color='wheat',width=0.7) # 2等級 elif y[i] <= 150: plt.bar(x[i],y[i],color='orange',width=0.7) # 3等級 elif y[i] <= 200: plt.bar(x[i],y[i],color='orangered',width=0.7)# 4等級 elif y[i] 300: plt.bar(x[i],y[i],color='maroon',width=0.7) # 6等級 plt.plot([0, 24], [air_ave, air_ave], c='black', linestyle='--')# 畫出平均空氣質(zhì)量虛線 plt.text(air_max_hour+0.15, air_max+0.15, str(air_max), ha='center', va='bottom', fontsize=10.5)# 標出最高空氣質(zhì)量 plt.text(air_min_hour+0.15, air_min+0.15, str(air_min), ha='center', va='bottom', fontsize=10.5)# 標出最低空氣質(zhì)量 plt.xticks(x) plt.title('一天空氣質(zhì)量變化曲線圖') plt.xlabel('時間/h') plt.ylabel('空氣質(zhì)量指數(shù)AQI') plt.show() def wind_radar(data): """風(fēng)向雷達圖""" wind = list(data['風(fēng)力方向']) wind_speed = list(data['風(fēng)級']) for i in range(0,24): if wind[i] == "北風(fēng)": wind[i] = 90 elif wind[i] == "南風(fēng)": wind[i] = 270 elif wind[i] == "西風(fēng)": wind[i] = 180 elif wind[i] == "東風(fēng)": wind[i] = 360 elif wind[i] == "東北風(fēng)": wind[i] = 45 elif wind[i] == "西北風(fēng)": wind[i] = 135 elif wind[i] == "西南風(fēng)": wind[i] = 225 elif wind[i] == "東南風(fēng)": wind[i] = 315 degs = np.arange(45,361,45) temp = [] for deg in degs: speed = [] # 獲取 wind_deg 在指定范圍的風(fēng)速平均值數(shù)據(jù) for i in range(0,24): if wind[i] == deg: speed.append(wind_speed[i]) if len(speed) == 0: temp.append(0) else: temp.append(sum(speed)/len(speed)) print(temp) N = 8 theta = np.arange(0.+np.pi/8,2*np.pi+np.pi/8,2*np.pi/8) # 數(shù)據(jù)極徑 radii = np.array(temp) # 繪制極區(qū)圖坐標系 plt.axes(polar=True) # 定義每個扇區(qū)的RGB值(R,G,B),x越大,對應(yīng)的顏色越接近藍色 colors = [(1-x/max(temp), 1-x/max(temp),0.6) for x in radii] plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors) plt.title('一天風(fēng)級圖',x=0.2,fontsize=20) plt.show() def calc_corr(a, b): """計算相關(guān)系數(shù)""" a_avg = sum(a)/len(a) b_avg = sum(b)/len(b) cov_ab = sum([(x - a_avg)*(y - b_avg) for x,y in zip(a, b)]) sq = math.sqrt(sum([(x - a_avg)**2 for x in a])*sum([(x - b_avg)**2 for x in b])) corr_factor = cov_ab/sq return corr_factor def corr_tem_hum(data): """溫濕度相關(guān)性分析""" tem = data['溫度'] hum = data['相對濕度'] plt.scatter(tem,hum,color='blue') plt.title("溫濕度相關(guān)性分析圖") plt.xlabel("溫度/℃") plt.ylabel("相對濕度/%") plt.text(20,40,"相關(guān)系數(shù)為:"+str(calc_corr(tem,hum)),fontdict={'size':'10','color':'red'}) plt.show() print("相關(guān)系數(shù)為:"+str(calc_corr(tem,hum))) def main(): plt.rcParams['font.sans-serif']=['SimHei'] # 解決中文顯示問題 plt.rcParams['axes.unicode_minus'] = False# 解決負號顯示問題 data1 = pd.read_csv('weather1.csv',encoding='gb2312') print(data1) tem_curve(data1) hum_curve(data1) air_curve(data1) wind_radar(data1) corr_tem_hum(data1) if __name__ == '__main__': main() data14_analysis.py: # data14_analysis.py import matplotlib.pyplot as plt import numpy as np import pandas as pd import math def tem_curve(data): """溫度曲線繪制""" date = list(data['日期']) tem_low = list(data['最低氣溫']) tem_high = list(data['最高氣溫']) for i in range(0,14): if math.isnan(tem_low[i]) == True: tem_low[i] = tem_low[i-1] if math.isnan(tem_high[i]) == True: tem_high[i] = tem_high[i-1] tem_high_ave = sum(tem_high)/14 # 求平均高溫 tem_low_ave = sum(tem_low)/14 # 求平均低溫 tem_max = max(tem_high) tem_max_date = tem_high.index(tem_max) # 求最高溫度 tem_min = min(tem_low) tem_min_date = tem_low.index(tem_min) # 求最低溫度 x = range(1,15) plt.figure(1) plt.plot(x,tem_high,color='red',label='高溫')# 畫出高溫度曲線 plt.scatter(x,tem_high,color='red') # 點出每個時刻的溫度點 plt.plot(x,tem_low,color='blue',label='低溫')# 畫出低溫度曲線 plt.scatter(x,tem_low,color='blue') # 點出每個時刻的溫度點 plt.plot([1, 15], [tem_high_ave, tem_high_ave], c='black', linestyle='--')# 畫出平均溫度虛線 plt.plot([1, 15], [tem_low_ave, tem_low_ave], c='black', linestyle='--')# 畫出平均溫度虛線 plt.legend() plt.text(tem_max_date+0.15, tem_max+0.15, str(tem_max), ha='center', va='bottom', fontsize=10.5)# 標出最高溫度 plt.text(tem_min_date+0.15, tem_min+0.15, str(tem_min), ha='center', va='bottom', fontsize=10.5)# 標出最低溫度 plt.xticks(x) plt.title('未來14天高溫低溫變化曲線圖') plt.xlabel('未來天數(shù)/天') plt.ylabel('攝氏度/℃') plt.show() def change_wind(wind): """改變風(fēng)向""" for i in range(0,14): if wind[i] == "北風(fēng)": wind[i] = 90 elif wind[i] == "南風(fēng)": wind[i] = 270 elif wind[i] == "西風(fēng)": wind[i] = 180 elif wind[i] == "東風(fēng)": wind[i] = 360 elif wind[i] == "東北風(fēng)": wind[i] = 45 elif wind[i] == "西北風(fēng)": wind[i] = 135 elif wind[i] == "西南風(fēng)": wind[i] = 225 elif wind[i] == "東南風(fēng)": wind[i] = 315 return wind def wind_radar(data): """風(fēng)向雷達圖""" wind1 = list(data['風(fēng)向1']) wind2 = list(data['風(fēng)向2']) wind_speed = list(data['風(fēng)級']) wind1 = change_wind(wind1) wind2 = change_wind(wind2) degs = np.arange(45,361,45) temp = [] for deg in degs: speed = [] # 獲取 wind_deg 在指定范圍的風(fēng)速平均值數(shù)據(jù) for i in range(0,14): if wind1[i] == deg: speed.append(wind_speed[i]) if wind2[i] == deg: speed.append(wind_speed[i]) if len(speed) == 0: temp.append(0) else: temp.append(sum(speed)/len(speed)) print(temp) N = 8 theta = np.arange(0.+np.pi/8,2*np.pi+np.pi/8,2*np.pi/8) # 數(shù)據(jù)極徑 radii = np.array(temp) # 繪制極區(qū)圖坐標系 plt.axes(polar=True) # 定義每個扇區(qū)的RGB值(R,G,B),x越大,對應(yīng)的顏色越接近藍色 colors = [(1-x/max(temp), 1-x/max(temp),0.6) for x in radii] plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors) plt.title('未來14天風(fēng)級圖',x=0.2,fontsize=20) plt.show() def weather_pie(data): """繪制天氣餅圖""" weather = list(data['天氣']) dic_wea = { } for i in range(0,14): if weather[i] in dic_wea.keys(): dic_wea[weather[i]] += 1 else: dic_wea[weather[i]] = 1 print(dic_wea) explode=[0.01]*len(dic_wea.keys()) color = ['lightskyblue','silver','yellow','salmon','grey','lime','gold','red','green','pink'] plt.pie(dic_wea.values(),explode=explode,labels=dic_wea.keys(),autopct='%1.1f%%',colors=color) plt.title('未來14天氣候分布餅圖') plt.show() def main(): plt.rcParams['font.sans-serif']=['SimHei'] # 解決中文顯示問題 plt.rcParams['axes.unicode_minus'] = False# 解決負號顯示問題 data14 = pd.read_csv('weather14.csv',encoding='gb2312') print(data14) tem_curve(data14) wind_radar(data14) weather_pie(data14) if __name__ == '__main__': main()
感謝各位的閱讀,以上就是“Python爬取天氣數(shù)據(jù)及可視化分析的方法是什么”的內(nèi)容了,經(jīng)過本文的學(xué)習(xí)后,相信大家對Python爬取天氣數(shù)據(jù)及可視化分析的方法是什么這一問題有了更深刻的體會,具體使用情況還需要大家實踐驗證。這里是億速云,小編將為大家推送更多相關(guān)知識點的文章,歡迎關(guān)注!
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。