Python爬取天气数据及可视化分析

Python爬取天气数据及可视化分析

文章目录

  • Python爬取天气数据及可视化分析
  • 说在前面
  • 1.数据获取
  • 请求网站链接
  • 提取有用信息
  • 保存csv文件
  • 2.可视化分析
  • 当天温度变化曲线图
  • 当天相对湿度变化曲线图
  • 温湿度相关性分析图
  • 空气质量指数柱状图
  • 风向风级雷达图
  • 未来14天高低温变化曲线图
  • 未来14天风向风级雷达图
  • 未来14天气候分布饼图
  • 3.结论
  • 4.代码框架
  • 附源代码
  • 说在前面

  • 天气预报我们每天都会关注,我们可以根据未来的天气增减衣物、安排出行,每天的气温、风速风向、相对湿度、空气质量等成为关注的焦点。本次使用python中requestsBeautifulSoup库对中国天气网当天和未来14天的数据进行爬取,保存为csv文件,之后用matplotlib、numpy、pandas对数据进行可视化处理和分析,得到温湿度度变化曲线、空气质量图、风向雷达图等结果,为获得未来天气信息提供了有效方法。
  • 1.数据获取

    请求网站链接

  • 首先查看中国天气网的网址:http://www.weather.com.cn/weather/101280701.shtml这里就访问本地的天气网址,如果想爬取不同的地区只需修改最后的101280701地区编号即可,前面的weather代表是7天的网页,weather1d代表当天,weather15d代表未来14天。这里就主要访问7天和14天的中国天气网。采用requests.get()方法,请求网页,如果成功访问,则得到的是网页的所有字符串文本。这就是请求过程。

    def getHTMLtext(url):     
    	"""请求获得网页内容"""
    	try:         
    		r = requests.get(url, timeout = 30)         
    		r.raise_for_status()         
    		r.encoding = r.apparent_encoding         
    		print("成功访问")         
    		return r.text     
    	except:         
    		print("访问错误")         
    		return" " 
    
  • 提取有用信息

  • 这里采用BeautifulSoup库对刚刚获取的字符串进行数据提取,首先对网页进行检查,找到需要获取数据的标签:
  • 可以发现7天的数据信息在div标签中并且id=“7d”,并且日期、天气、温度、风级等信息都在ul和li标签中,所以我们可以使用BeautifulSoup对获取的网页文本进行查找div标签id=“7d”,找出他包含的所有的ul和li标签,之后提取标签中相应的数据值,保存到对应列表中。这里要注意一个细节就是有时日期没有最高气温,对于没有数据的情况要进行判断和处理。另外对于一些数据保存的格式也要提前进行处理,比如温度后面的摄氏度符号,日期数字的提取,和风级文字的提取,这需要用到字符查找及字符串切片处理。

    def get_content(html):
    	"""处理得到有用信息保存数据文件"""
    	final = []  							 # 初始化一个列表保存数据
    	bs = BeautifulSoup(html, "html.parser")  # 创建BeautifulSoup对象
    	body = bs.body
    	data = body.find('div', {'id': '7d'})    # 找到div标签且id = 7d
    	# 下面爬取当天的数据
    	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=将其变为json数据
    	jd = json.loads(text)
    	dayone = jd['od']['od2']				 # 找到当天的数据
    	final_day = []						     # 存放当天的数据
    	count = 0
    	for i in dayone:
    		temp = []
    		if count <=23:
    			temp.append(i['od21'])				 # 添加时间
    			temp.append(i['od22'])				 # 添加当前时刻温度
    			temp.append(i['od24'])				 # 添加当前时刻风力方向
    			temp.append(i['od25'])				 # 添加当前时刻风级
    			temp.append(i['od26'])				 # 添加当前时刻降水量
    			temp.append(i['od27'])				 # 添加当前时刻相对湿度
    			temp.append(i['od28'])				 # 添加当前时刻控制质量
    			#print(temp)
    			final_day.append(temp)
    		count = count +1
    	# 下面爬取7天的数据	
    	ul = data.find('ul')					 # 找到所有的ul标签
    	li = ul.find_all('li')					 # 找到左右的li标签
    	i = 0  			# 控制爬取的天数
    	for day in li:  						 	# 遍历找到的每一个li
    	    if i < 7 and i > 0:
    	        temp = []  						 	# 临时存放每天的数据
    	        date = day.find('h1').string  	 	# 得到日期
    	        date = date[0:date.index('日')]  	# 取出日期号
    	        temp.append(date)				        
    	        inf = day.find_all('p')  		 	# 找出li下面的p标签,提取第一个p标签的值,即天气
    	        temp.append(inf[0].string)
    
    	        tem_low = inf[1].find('i').string  	# 找到最低气温
    
    	        if inf[1].find('span') is None:  	# 天气预报可能没有最高气温
    	            tem_high = None
    	        else:
    	            tem_high = inf[1].find('span').string  # 找到最高气温
    	        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')		# 找到风向
    	        for j in wind:
    	        	temp.append(j['title'])
    	        wind_scale = inf[2].find('i').string # 找到风级
    	        index1 = wind_scale.index('级')
    	       	temp.append(int(wind_scale[index1-1:index1]))
    	        final.append(temp)
    	    i = i + 1
    	return final_day,final
    
  • 同样对于/weather15d:15天的信息,也做同样的处理,这里经过查看后发现他的15天网页中只有8-14天,前面的1-7天在/weather中,这里就分别访问两个网页将爬取得到的数据进行合并得到最终14天的数据。

  • 前面是未来14天的数据爬取过程,对于当天24小时的天气信息数据,经过查找发现他是一个json数据,可以通过json.loads()方法获取当天的数据,进而对当天的天气信息进行提取。

  • 保存csv文件

  • 前面将爬取的数据添加到列表中,这里引入csv库,利用f_csv.writerow(header)f_csv.writerows(data)方法,分别写入表头和每一行的数据,这里将1天和未来14天的数据分开存储,分别保存为weather1.csvweather14.csv,下面是他们保存的表格图:

  • 2.可视化分析

    当天温度变化曲线图

  • 采用matplotlib中plt.plot()方法绘制出一天24小时的温度变化曲线,并用plt.text()方法点出最高温和最低温,并画出平均温度线,下图为温度变化曲线图:(代码见附录)
  • 分析可以发现这一天最高温度为33℃,最低温度为28℃,并且平均温度在20.4℃左右,通过对时间分析,发现昼夜温差5℃,低温分布在凌晨,高温分布在中午到下午的时间段。

    当天相对湿度变化曲线图

  • 采用matplotlib中plt.plot()方法绘制出一天24小时的湿度变化曲线,并画出平均相对湿度线,下图为湿度变化曲线图:(代码见附录)
  • 分析可以发现这一天最高相对湿度为86%,最低相对湿度为58℃,并且平均相对湿度在75%左右,通过对时间分析,清晨的湿度比较大,而下午至黄昏湿度较小。

    温湿度相关性分析图

  • 经过前面两个图的分析我们可以感觉到温度和湿度之间是有关系的,为了更加清楚直观地感受这种关系,使用plt.scatter()方法将温度为横坐标、湿度为纵坐标,每个时刻的点在图中点出来,并且计算相关系数,下图为结果图:

    分析可以发现一天的温度和湿度具有强烈的相关性,他们呈负相关,这就说明他们时间是负相关关系,并且进一步分析,当温度较低时,空气中水分含量较多,湿度自然较高,而温度较高时,水分蒸发,空气就比较干燥,湿度较低,符合平时气候现象。

  • 空气质量指数柱状图

  • 空气质量指数AQI是定量描述空气质量状况的指数,其数值越大说明空气污染状况越重,对人体健康的危害也就越大。一般将空气质量指数分为6个等级,等级越高说明污染越严重,下面使用plt.bar方法对一天24小时的空气质量进行了柱状图绘制,并且根据6个等级的不同,相应的柱状图的颜色也从浅到深,也表明污染逐步加重,更直观的显示污染情况,并且也将最高和最低的空气质量指数标出,用虚线画出平均的空气质量指数,下图是绘制结果图:

    上面这张是南方珠海的控制质量图,可以看出空气质量指数最大也是在健康范围,说明珠海空气非常好,分析可以发现这一天最高空气质量指数达到了35,最低则只有14,并且平均在25左右,通过时间也可以发现,基本在清晨的时候是空气最好的时候(4-9点),在下午是空气污染最严重的时候,所以清晨一般可以去外面呼吸新鲜的空气,那时污染最小。

  • 而下面这个空气质量图是选取的北方的一个城市,可以看到这里的环境远远比不上珠海。

  • 风向风级雷达图

  • 统计一天的风力和风向,由于风力风向使用极坐标的方式展现较好,所以这里采用的是极坐标的方式展现一天的风力风向图,将圆分为8份,每一份代表一个风向,半径代表平均风力,并且随着风级增高,蓝色加深,最后结果如下所示:

    分析可以发现这一天西南风最多,平均风级达到了1.75级,东北风也有小部分1.0级,其余空白方向无来风。

  • 未来14天高低温变化曲线图

  • 统计未来14天的高低温度变化,并绘制出他们的变化曲线图,分别用虚线将他们的平均气温线绘制出来,最后结果如下所示:

    分析可以发现未来14天高温平均气温为30.5℃,温度还是比较高,但是未来的第8天有降温,需要做好降温准备,低温前面处于平稳趋势,等到第8天开始下降,伴随着高温也下降,整体温度下降,低温平均在27℃左右。

  • 未来14天风向风级雷达图

  • 统计未来14天的风向和平均风力,并和前面一样采用极坐标形式,将圆周分为8个部分,代表8个方向,颜色越深代表风级越高,最后结果如下所示:

    分析可以发现未来14天东南风、西南风所占主要风向,风级最高达到了5级,最低的西风平均风级也有3级。

  • 未来14天气候分布饼图

  • 统计未来14天的气候,并求每个气候的总天数,最后将各个气候的饼图绘制出来,结果如下所示:

    分析可以发现未来14天气候基本是“雨”、“阴转雨”和“阵雨”,下雨的天数较多,结合前面的气温分布图可以看出在第8-9天气温高温下降,可以推测当天下雨,导致气温下降。

  • 3.结论

  • 1.首先根据爬取的温湿度数据进行的分析,温度从早上低到中午高再到晚上低,湿度和温度的趋势相反,通过相关系数发现温度和湿度有强烈的负相关关系,经查阅资料发现因为随着温度升高水蒸汽蒸发加剧,空气中水分降低湿度降低。当然,湿度同时受气压和雨水的影响,下雨湿度会明显增高。
  • 2.经查阅资料空气质量不仅跟工厂、汽车等排放的烟气、废气等有关,更为重要的是与气象因素有关。由于昼夜温差明显变化,当地面温度高于高空温度时,空气上升,污染物易被带到高空扩散;当地面温度低于一定高度的温度时,天空形成逆温层,它像一个大盖子一样压在地面上空,使地表空气中各种污染物不易扩散。一般在晚间和清晨影响较大,而当太阳出来后,地面迅速升温,逆温层就会逐渐消散,于是污染空气也就扩散了。
  • 3.风是由气压在水平方向分布的不均匀导致的。风受大气环流、地形、水域等不同因素的综合影响,表现形式多种多样,如季风、地方性的海陆风、山谷风等,一天的风向也有不同的变化,根据未来14天的风向雷达图可以发现未来所有风向基本都有涉及,并且没有特别的某个风向,原因可能是近期没有降水和气文变化不大,导致风向也没有太大的变化规律。
  • 4.天气是指某一个地区距离地表较近的大气层在短时间内的具体状态。跟某瞬时内大气中各种气象要素分布的综合表现。根据未来14天的天气和温度变化可以大致推断出某个时间的气候,天气和温度之间也是有联系的,
  • 4.代码框架

  • 代码主要分为weather.py:对中国天气网进行爬取天气数据并保存csv文件;data1_analysis.py:对当天的天气信息进行可视化处理;data14_analysis.py:对未来14天的天气信息进行可视化处理。下面是代码的结构图:

  • 附源代码

    weather.py

    # weather.py
    import requests
    from bs4 import BeautifulSoup
    import csv
    import json
    def getHTMLtext(url):     
    	"""请求获得网页内容"""
    	try:         
    		r = requests.get(url, timeout = 30)         
    		r.raise_for_status()         
    		r.encoding = r.apparent_encoding         
    		print("成功访问")         
    		return r.text     
    	except:         
    		print("访问错误")         
    		return" " 
    
    def get_content(html):
    	"""处理得到有用信息保存数据文件"""
    	final = []  							 # 初始化一个列表保存数据
    	bs = BeautifulSoup(html, "html.parser")  # 创建BeautifulSoup对象
    	body = bs.body
    	data = body.find('div', {'id': '7d'})    # 找到div标签且id = 7d
    	# 下面爬取当天的数据
    	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=将其变为json数据
    	jd = json.loads(text)
    	dayone = jd['od']['od2']				 # 找到当天的数据
    	final_day = []						     # 存放当天的数据
    	count = 0
    	for i in dayone:
    		temp = []
    		if count <=23:
    			temp.append(i['od21'])				 # 添加时间
    			temp.append(i['od22'])				 # 添加当前时刻温度
    			temp.append(i['od24'])				 # 添加当前时刻风力方向
    			temp.append(i['od25'])				 # 添加当前时刻风级
    			temp.append(i['od26'])				 # 添加当前时刻降水量
    			temp.append(i['od27'])				 # 添加当前时刻相对湿度
    			temp.append(i['od28'])				 # 添加当前时刻控制质量
    			#print(temp)
    			final_day.append(temp)
    		count = count +1
    	# 下面爬取7天的数据	
    	ul = data.find('ul')					 # 找到所有的ul标签
    	li = ul.find_all('li')					 # 找到左右的li标签
    	i = 0  			# 控制爬取的天数
    	for day in li:  						 	# 遍历找到的每一个li
    	    if i < 7 and i > 0:
    	        temp = []  						 	# 临时存放每天的数据
    	        date = day.find('h1').string  	 	# 得到日期
    	        date = date[0:date.index('日')]  	# 取出日期号
    	        temp.append(date)				        
    	        inf = day.find_all('p')  		 	# 找出li下面的p标签,提取第一个p标签的值,即天气
    	        temp.append(inf[0].string)
    
    	        tem_low = inf[1].find('i').string  	# 找到最低气温
    
    	        if inf[1].find('span') is None:  	# 天气预报可能没有最高气温
    	            tem_high = None
    	        else:
    	            tem_high = inf[1].find('span').string  # 找到最高气温
    	        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')		# 找到风向
    	        for j in wind:
    	        	temp.append(j['title'])
    
    	        wind_scale = inf[2].find('i').string # 找到风级
    	        index1 = wind_scale.index('级')
    	       	temp.append(int(wind_scale[index1-1:index1]))
    	        final.append(temp)
    	    i = i + 1
    	return final_day,final
    	#print(final)    
    def get_content2(html):
    	"""处理得到有用信息保存数据文件"""
    	final = []  							 						# 初始化一个列表保存数据
    	bs = BeautifulSoup(html, "html.parser")  						# 创建BeautifulSoup对象
    	body = bs.body
    	data = body.find('div', {'id': '15d'})    						# 找到div标签且id = 15d
    	ul = data.find('ul')					 						# 找到所有的ul标签
    	li = ul.find_all('li')					 						# 找到左右的li标签
    	final = []
    	i = 0  															# 控制爬取的天数
    	for day in li:  						 						# 遍历找到的每一个li
    	    if i < 8:
    	        temp = []  						 						# 临时存放每天的数据
    	        date = day.find('span',{'class':'time'}).string  		# 得到日期
    	        date = date[date.index('(')+1:-2]  						# 取出日期号
    	        temp.append(date)		
    	       	weather = day.find('span',{'class':'wea'}).string  		# 找到天气
    	        temp.append(weather)
    	        tem = day.find('span',{'class':'tem'}).text		  		# 找到温度
    	        temp.append(tem[tem.index('/')+1:-1])					# 找到最低气温
    	        temp.append(tem[:tem.index('/')-1]) 					# 找到最高气温
    	        wind = day.find('span',{'class':'wind'}).string  		# 找到风向
    	        if '转' in wind:											# 如果有风向变化
    	        	temp.append(wind[:wind.index('转')])
    	        	temp.append(wind[wind.index('转')+1:])
    	        else:													# 如果没有风向变化,前后风向一致
    	        	temp.append(wind)
    	        	temp.append(wind)
    	        wind_scale = day.find('span',{'class':'wind1'}).string  		# 找到风级
    	        index1 = wind_scale.index('级')
    	       	temp.append(int(wind_scale[index1-1:index1]))
    	        	
    	        final.append(temp)
    	return final
    
    def write_to_csv(file_name, data, day=14):
    	"""保存为csv文件"""
    	with open(file_name, 'a', errors='ignore', newline='') as f:
    		if day == 14:
    			header = ['日期','天气','最低气温','最高气温','风向1','风向2','风级']
    		else:
    			header = ['小时','温度','风力方向','风级','降水量','相对湿度','空气质量']
    		f_csv = csv.writer(f)
    		f_csv.writerow(header)
    		f_csv.writerows(data)
    
    def main():
    	"""主函数"""
    	print("Weather test")
    	# 珠海
    	url1 = 'http://www.weather.com.cn/weather/101280701.shtml'    # 7天天气中国天气网
    	url2 = 'http://www.weather.com.cn/weather15d/101280701.shtml' # 8-15天天气中国天气网
    	
    	html1 = getHTMLtext(url1)
    	data1, data1_7 = get_content(html1)		# 获得1-7天和当天的数据
    
    	html2 = getHTMLtext(url2)
    	data8_14 = get_content2(html2)			# 获得8-14天数据
    	data14 = data1_7 + data8_14
    	#print(data)
    	write_to_csv('weather14.csv',data14,14)	# 保存为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):
    	"""温度曲线绘制"""
    	hour = list(data['小时'])
    	tem = list(data['温度'])
    	for i in range(0,24):
    		if math.isnan(tem[i]) == True:
    			tem[i] = tem[i-1]
    	tem_ave = sum(tem)/24					# 求平均温度 
    	tem_max = max(tem)				
    	tem_max_hour = hour[tem.index(tem_max)]	# 求最高温度
    	tem_min = min(tem)
    	tem_min_hour = hour[tem.index(tem_min)]	# 求最低温度
    	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='温度')							# 画出温度曲线
    	plt.scatter(x,y,color='red')			# 点出每个时刻的温度点
    	plt.plot([0, 24], [tem_ave, tem_ave], c='blue', linestyle='--',label='平均温度') 	# 画出平均温度虚线
    	plt.text(tem_max_hour+0.15, tem_max+0.15, str(tem_max), ha='center', va='bottom', fontsize=10.5)  # 标出最高温度
    	plt.text(tem_min_hour+0.15, tem_min+0.15, str(tem_min), ha='center', va='bottom', fontsize=10.5)  # 标出最低温度
    	plt.xticks(x)
    	plt.legend()
    	plt.title('一天温度变化曲线图')
    	plt.xlabel('时间/h')
    	plt.ylabel('摄氏度/℃')
    	plt.show()
    
    def hum_curve(data):
    	"""相对湿度曲线绘制"""
    	hour = list(data['小时'])
    	hum = list(data['相对湿度'])
    	for i in range(0,24):
    		if math.isnan(hum[i]) == True:
    			hum[i] = hum[i-1]
    	hum_ave = sum(hum)/24					# 求平均相对湿度 
    	hum_max = max(hum)				
    	hum_max_hour = hour[hum.index(hum_max)]	# 求最高相对湿度
    	hum_min = min(hum)
    	hum_min_hour = hour[hum.index(hum_min)]	# 求最低相对湿度
    	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='相对湿度')							# 画出相对湿度曲线
    	plt.scatter(x,y,color='blue')			# 点出每个时刻的相对湿度
    	plt.plot([0, 24], [hum_ave, hum_ave], c='red', linestyle='--',label='平均相对湿度') 	# 画出平均相对湿度虚线
    	plt.text(hum_max_hour+0.15, hum_max+0.15, str(hum_max), ha='center', va='bottom', fontsize=10.5)  # 标出最高相对湿度
    	plt.text(hum_min_hour+0.15, hum_min+0.15, str(hum_min), ha='center', va='bottom', fontsize=10.5)  # 标出最低相对湿度
    	plt.xticks(x)
    	plt.legend()
    	plt.title('一天相对湿度变化曲线图')
    	plt.xlabel('时间/h')
    	plt.ylabel('百分比/%')
    	plt.show()
    
    def air_curve(data):
    	"""空气质量曲线绘制"""
    	hour = list(data['小时'])
    	air = list(data['空气质量'])
    	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					# 求平均空气质量 
    	air_max = max(air)				
    	air_max_hour = hour[air.index(air_max)]	# 求最高空气质量
    	air_min = min(air)
    	air_min_hour = hour[air.index(air_min)]	# 求最低空气质量
    	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等级
    		elif y[i] <= 100:
    			plt.bar(x[i],y[i],color='wheat',width=0.7)		 # 2等级
    		elif y[i] <= 150:
    			plt.bar(x[i],y[i],color='orange',width=0.7)		 # 3等级
    		elif y[i] <= 200:
    			plt.bar(x[i],y[i],color='orangered',width=0.7)	 # 4等级
    		elif y[i] <= 300:
    			plt.bar(x[i],y[i],color='darkviolet',width=0.7)	 # 5等级
    		elif y[i] > 300:
    			plt.bar(x[i],y[i],color='maroon',width=0.7)		 # 6等级
    	plt.plot([0, 24], [air_ave, air_ave], c='black', linestyle='--') 	# 画出平均空气质量虚线
    	plt.text(air_max_hour+0.15, air_max+0.15, str(air_max), ha='center', va='bottom', fontsize=10.5)  # 标出最高空气质量
    	plt.text(air_min_hour+0.15, air_min+0.15, str(air_min), ha='center', va='bottom', fontsize=10.5)  # 标出最低空气质量
    	plt.xticks(x)
    	plt.title('一天空气质量变化曲线图')
    	plt.xlabel('时间/h')
    	plt.ylabel('空气质量指数AQI')
    	plt.show()
    
    def wind_radar(data):
    	"""风向雷达图"""
    	wind = list(data['风力方向'])
    	wind_speed = list(data['风级'])
    	for i in range(0,24):
    		if wind[i] == "北风":
    			wind[i] = 90
    		elif wind[i] == "南风":
    			wind[i] = 270
    		elif wind[i] == "西风":
    			wind[i] = 180
    		elif wind[i] == "东风":
    			wind[i] = 360
    		elif wind[i] == "东北风":
    			wind[i] = 45
    		elif wind[i] == "西北风":
    			wind[i] = 135
    		elif wind[i] == "西南风":
    			wind[i] = 225
    		elif wind[i] == "东南风":
    			wind[i] = 315
    	degs = np.arange(45,361,45)
    	temp = []
    	for deg in degs:
    		speed = []
    		# 获取 wind_deg 在指定范围的风速平均值数据
    		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)
    	# 数据极径
    	radii = np.array(temp)
    	# 绘制极区图坐标系
    	plt.axes(polar=True)
    	# 定义每个扇区的RGB值(R,G,B),x越大,对应的颜色越接近蓝色
    	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('一天风级图',x=0.2,fontsize=20)
    	plt.show()
    
    def calc_corr(a, b):
    	"""计算相关系数"""
    	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):
    	"""温湿度相关性分析"""
    	tem = data['温度']
    	hum = data['相对湿度']
    	plt.scatter(tem,hum,color='blue')
    	plt.title("温湿度相关性分析图")
    	plt.xlabel("温度/℃")
    	plt.ylabel("相对湿度/%")
    	plt.text(20,40,"相关系数为:"+str(calc_corr(tem,hum)),fontdict={'size':'10','color':'red'})
    	plt.show()
    	print("相关系数为:"+str(calc_corr(tem,hum)))
    
    def main():
    	plt.rcParams['font.sans-serif']=['SimHei']	# 解决中文显示问题
    	plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
    	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):
    	"""温度曲线绘制"""
    	date = list(data['日期'])
    	tem_low = list(data['最低气温'])
    	tem_high = list(data['最高气温'])
    	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					# 求平均高温 
    	tem_low_ave = sum(tem_low)/14					# 求平均低温 
    	
    	tem_max = max(tem_high)				
    	tem_max_date = tem_high.index(tem_max)			# 求最高温度
    	tem_min = min(tem_low)
    	tem_min_date = tem_low.index(tem_min)			# 求最低温度
    
    	x = range(1,15)
    	plt.figure(1)
    	plt.plot(x,tem_high,color='red',label='高温')				# 画出高温度曲线
    	plt.scatter(x,tem_high,color='red')					# 点出每个时刻的温度点
    	plt.plot(x,tem_low,color='blue',label='低温')				# 画出低温度曲线
    	plt.scatter(x,tem_low,color='blue')					# 点出每个时刻的温度点
    	
    	plt.plot([1, 15], [tem_high_ave, tem_high_ave], c='black', linestyle='--') 	# 画出平均温度虚线
    	plt.plot([1, 15], [tem_low_ave, tem_low_ave], c='black', linestyle='--') 	# 画出平均温度虚线
    	plt.legend()
    	plt.text(tem_max_date+0.15, tem_max+0.15, str(tem_max), ha='center', va='bottom', fontsize=10.5)  # 标出最高温度
    	plt.text(tem_min_date+0.15, tem_min+0.15, str(tem_min), ha='center', va='bottom', fontsize=10.5)  # 标出最低温度
    	plt.xticks(x)
    	plt.title('未来14天高温低温变化曲线图')
    	plt.xlabel('未来天数/天')
    	plt.ylabel('摄氏度/℃')
    	plt.show()
    def change_wind(wind):
    	"""改变风向"""
    	for i in range(0,14):
    		if wind[i] == "北风":
    			wind[i] = 90
    		elif wind[i] == "南风":
    			wind[i] = 270
    		elif wind[i] == "西风":
    			wind[i] = 180
    		elif wind[i] == "东风":
    			wind[i] = 360
    		elif wind[i] == "东北风":
    			wind[i] = 45
    		elif wind[i] == "西北风":
    			wind[i] = 135
    		elif wind[i] == "西南风":
    			wind[i] = 225
    		elif wind[i] == "东南风":
    			wind[i] = 315
    	return wind
    
    
    def wind_radar(data):
    	"""风向雷达图"""
    	wind1 = list(data['风向1'])
    	wind2 = list(data['风向2'])
    	wind_speed = list(data['风级'])
    	wind1 = change_wind(wind1)
    	wind2 = change_wind(wind2)
    	
    	degs = np.arange(45,361,45)
    	temp = []
    	for deg in degs:
    		speed = []
    		# 获取 wind_deg 在指定范围的风速平均值数据
    		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)
    	# 数据极径
    	radii = np.array(temp)
    	# 绘制极区图坐标系
    	plt.axes(polar=True)
    	# 定义每个扇区的RGB值(R,G,B),x越大,对应的颜色越接近蓝色
    	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('未来14天风级图',x=0.2,fontsize=20)
    	plt.show()
    
    def weather_pie(data):
    	"""绘制天气饼图"""
    	weather = list(data['天气'])
    	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('未来14天气候分布饼图')
    	plt.show()
    
    def main():
    	plt.rcParams['font.sans-serif']=['SimHei']	# 解决中文显示问题
    	plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
    	data14 = pd.read_csv('weather14.csv',encoding='gb2312')
    	print(data14)
    	tem_curve(data14)
    	wind_radar(data14)
    	weather_pie(data14)
    
    if __name__ == '__main__':
    	main()
    

    来源:DID 迪

    物联沃分享整理
    物联沃-IOTWORD物联网 » Python爬取天气数据及可视化分析

    发表评论