Python實現(xiàn)爬取天氣數(shù)據(jù)并可視化分析

更新時間：2022年02月22日 14:19:04 作者：Dragon少年

這篇文章主要和大家分享一個用Python實現(xiàn)的小功能：獲取天氣數(shù)據(jù)，進行可視化分析，帶你直觀了解天氣情況！感興趣的小伙伴可以學習一下

核心功能設計

總體來說，我們需要先對中國天氣網(wǎng)中的天氣數(shù)據(jù)進行爬取，保存為csv文件，并將這些數(shù)據(jù)進行可視化分析展示。

拆解需求，大致可以整理出我們需要分為以下幾步完成：

1.通過爬蟲獲取中國天氣網(wǎng)7.20-7.21的降雨數(shù)據(jù)，包括城市，風力方向，風級，降水量，相對濕度，空氣質(zhì)量。

2.對獲取的天氣數(shù)據(jù)進行預處理，分析河南的風力等級和風向，繪制風向風級雷達圖。

3.根據(jù)獲取的溫度和濕度繪制溫濕度相關(guān)性分析圖，進行溫度、濕度對比分析。

4.根據(jù)獲取的各城市的降雨量，可視化近24小時的每小時時段降水情況。

5.繪制各城市24小時的累計降雨量。

實現(xiàn)步驟

爬取數(shù)據(jù)

首先我們需要獲取各個城市的降雨數(shù)據(jù)，通過對中國天氣網(wǎng)網(wǎng)址分析發(fā)現(xiàn)，城市的天氣網(wǎng)址為：http://www.weather.com.cn/weather/101180101.shtml。

根據(jù)對數(shù)據(jù)分析，返回的json格式數(shù)據(jù)，不難發(fā)現(xiàn)：

101180101就是代表城市編號- 7天的天氣預報數(shù)據(jù)信息在div標簽中并且id=“7d”- 日期、天氣、溫度、風級等信息都在ul和li標簽網(wǎng)頁結(jié)構(gòu)我們上面已經(jīng)分析好了，那么我們就可以來動手爬取所需要的數(shù)據(jù)了。獲取到所有的數(shù)據(jù)資源之后，可以把這些數(shù)據(jù)保存下來。

請求網(wǎng)站

天氣網(wǎng)的網(wǎng)址：http://www.weather.com.cn/weather/101180101.shtml。如果想爬取不同的地區(qū)只需修改最后的101180101地區(qū)編號，前面的weather代表是7天的網(wǎng)頁。

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("Success")
??return?r.text
?except:
??print("Fail")
??return"?"

處理數(shù)據(jù)

采用BeautifulSoup庫對剛剛獲取的字符串進行數(shù)據(jù)提取。獲取我們需要的風力方向，風級，降水量，相對濕度，空氣質(zhì)量等。

def?get_content(html,cityname):
?"""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']?????#?找到當天的數(shù)據(jù)
?final_day?=?[]???????????#?存放當天的數(shù)據(jù)
?count?=?0
?for?i?in?dayone:
??temp?=?[]
??if?count?&lt;=23:
???temp.append(i['od21'])?????#?添加時間
???temp.append(cityname+'市')???#?添加城市
???temp.append(i['od22'])?????#?添加當前時刻溫度
???temp.append(i['od24'])?????#?添加當前時刻風力方向
???temp.append(i['od25'])?????#?添加當前時刻風級
???temp.append(i['od26'])?????#?添加當前時刻降水量
???temp.append(i['od27'])?????#?添加當前時刻相對濕度
???temp.append(i['od28'])?????#?添加當前時刻控制質(zhì)量
#????print(temp)
???final_day.append(temp)
???data_all.append(temp)
??count?=?count?+1
?#?下面爬取24h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?&lt;?7?and?i?&gt;?0:
?????????temp?=?[]????????????????????????#?臨時存放每天的數(shù)據(jù)
?????????date?=?day.find('h1').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')??#?找到風向
?????????for?j?in?wind:
??????????temp.append(j['title'])

?????????wind_scale?=?inf[2].find('i').string?#?找到風級
?????????index1?=?wind_scale.index('級')
?????????temp.append(int(wind_scale[index1-1:index1]))
?????????final.append(temp)
?????i?=?i?+?1
?return?final_day,final

城市的天氣數(shù)據(jù)拿到了，同理我們可以根據(jù)不同的地區(qū)編號獲取河南省各個地級市的天氣數(shù)據(jù)。

Citycode?=?{<!--?-->?"鄭州":?"101180101",
?????????????"新鄉(xiāng)":?"101180301",
?????????????"許昌":?"101180401",
?????????????"平頂山":?"101180501",
?????????????"信陽":?"101180601",
?????????????"南陽":?"101180701",
?????????????"開封":?"101180801",
?????????????"洛陽":?"101180901",
?????????????"商丘":?"101181001",
?????????????"焦作":?"101181101",
?????????????"鶴壁":?"101181201",
?????????????"濮陽":?"101181301",
?????????????"周口":?"101181401",
?????????????"漯河":?"101181501",
?????????????"駐馬店":?"101181601",
?????????????"三門峽":?"101181701",
?????????????"濟源":?"101181801",
?????????????"安陽":?"101180201"}
citycode_lists?=?list(Citycode.items())
for?city_code?in?citycode_lists:
????city_code?=?list(city_code)
????print(city_code)
????citycode?=?city_code[1]
????cityname?=?city_code[0]
????url1?=?'http://www.weather.com.cn/weather/'+citycode+?'.shtml'????#?24h天氣中國天氣網(wǎng)
?html1?=?getHTMLtext(url1)
?data1,?data1_7?=?get_content(html1,cityname)??#?獲得1-7天和當天的數(shù)據(jù)

存儲數(shù)據(jù)

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','城市','天氣','最低氣溫','最高氣溫','風向1','風向2','風級']
??else:
???header?=?['小時','城市','溫度','風力方向','風級','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)
write_to_csv('河南天氣.csv',data_all,1)

這樣我們就可以把全省的各個地級市天氣數(shù)據(jù)保存下來了。

風向風級雷達圖

統(tǒng)計全省的風力和風向，因為風力風向使用極坐標的方式展現(xiàn)比較清晰，所以我們采用極坐標的方式展現(xiàn)一天的風力風向圖，將圓分為8份，每一份代表一個風向，半徑代表平均風力，并且隨著風級增高，藍色加深。

def?wind_radar(data):
?"""風向雷達圖"""
?wind?=?list(data['風力方向'])
?wind_speed?=?list(data['風級'])
?for?i?in?range(0,24):
??if?wind[i]?==?"北風":
???wind[i]?=?90
??elif?wind[i]?==?"南風":
???wind[i]?=?270
??elif?wind[i]?==?"西風":
???wind[i]?=?180
??elif?wind[i]?==?"東風":
???wind[i]?=?360
??elif?wind[i]?==?"東北風":
???wind[i]?=?45
??elif?wind[i]?==?"西北風":
???wind[i]?=?135
??elif?wind[i]?==?"西南風":
???wind[i]?=?225
??elif?wind[i]?==?"東南風":
???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('河南風級圖--Dragon少年',x=0.2,fontsize=16)
?plt.show()

結(jié)果如下：

觀察可以發(fā)現(xiàn)，當天的東北風最多，平均風級達到了1.75級。

溫濕度相關(guān)性分析

我們可以分析溫度和濕度之間是否存在關(guān)系，為了更加清楚直觀地驗證，可以使用離散點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)。

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--Dragon少年")
?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)))

結(jié)果如下：

觀察可以發(fā)現(xiàn)，一天的溫度和濕度具有強烈的相關(guān)性，呈負相關(guān)。當溫度較低時，空氣中水分含量較多，濕度自然較高，而溫度高時空氣中可容納的水汽增大，相對濕度隨之降低，但其實空氣中的水汽往往是增加的。

24小時內(nèi)每小時時段降水

from pyecharts import options as opts
from pyecharts.charts import Map,Timeline
#定義一個timeline和map的組合圖
def timeline_map(data):
    tl = Timeline().add_schema(play_interval =300,height=40,is_rewind_play=False,orient = "horizontal",is_loop_play = True,is_auto_play=False)#設置播放速度、是否循環(huán)播放等參數(shù)
    for h in time_line_final:
        x =data[data["小時"]==h]['城市'].values.tolist() #選取指定城市
        y=data[data["小時"]==h]['降水量'].values.tolist() #選取時間的降水量
        map_shape = (
            Map()
            .add("{}h時降水量（mm）".format(h),[list(z) for z in zip(x, y)],"河南") #打包輸入地區(qū)及對應降水量數(shù)據(jù)
            .set_series_opts(label_opts=opts.LabelOpts("")) #配置系列參數(shù)，為顯示地區(qū)數(shù)據(jù)
            .set_global_opts(
                title_opts=opts.TitleOpts(title="河南省降雨分布--Dragon少年"), #全局參數(shù)中設置標題
                visualmap_opts=opts.VisualMapOpts(max_=300,  #設置映射配置項的最大值
                                                  is_piecewise=True, #設置是否為分段顯示
                                                  pos_top = "60%", #映射配置項距圖片上部的距離
                                                  pieces=[
                                                        {"min": 101, "label": '>100ml', "color": "#FF0000"},  # 分段指定顏色及名稱
                                                        {"min": 11, "max": 50, "label": '11-50ml', "color": "#FF3333"},
                                                        {"min": 6, "max": 10, "label": '6-10ml', "color": "#FF9999"},
                                                        {"min": 0.1, "max": 5, "label": '0.1-5ml', "color": "#FFCCCC"}])
        ))
        tl.add(map_shape, "{}h".format(h)) #將不同日期的數(shù)據(jù)加入到timeline中
    return tl
timeline_map(data).render("rainfall.html")

24小時累計降雨量

from pyecharts import options as opts
from pyecharts.charts import Map,Timeline
#定義一個timeline和map的組合圖
time_line_final = list(data1['小時'].iloc[0:24])
def timeline_map(data1):
    tl = Timeline().add_schema(play_interval =200,height=40,is_rewind_play=False,orient = "horizontal",is_loop_play = True,is_auto_play=True)#設置播放速度、是否循環(huán)播放等參數(shù)
    for h in time_line_final:
        x =data1[data1["小時"]==h]['城市'].values.tolist() #選取指定城市
        y=data1[data1["小時"]==h]['降水量'].values.tolist() #選取時間的降水量
        map_shape1 = (
            Map()
            .add("{}h時累計降水量（mm）".format(h),[list(z) for z in zip(x, y)],"河南") #打包輸入地區(qū)及對應降水量數(shù)據(jù)
            .set_series_opts(label_opts=opts.LabelOpts("")) #配置系列參數(shù)，為顯示地區(qū)數(shù)據(jù)
            .set_global_opts(
                title_opts=opts.TitleOpts(title="河南省累計降雨分布--Dragon少年"), #全局參數(shù)中設置標題
                visualmap_opts=opts.VisualMapOpts(max_=300,  #設置映射配置項的最大值
                                                  is_piecewise=True, #設置是否為分段顯示
                                                  pos_top = "60%", #映射配置項距圖片上部的距離
                                                  pieces=[
                                                        {"min": 251, "label": '特大暴雨', "color": "#800000"},  # 分段指定顏色及名稱
                                                        {"min": 101, "max": 250, "label": '暴雨', "color": "#FF4500"},
                                                        {"min": 51, "max": 100, "label": '暴雨', "color": "#FF7F50"},
                                                        {"min": 25, "max": 50, "label": '大雨', "color": "#FFFF00"},
                                                        {"min": 10, "max": 25, "label": '中雨', "color": "#1E90FF"},
                                                        {"min": 0.1, "max": 9.9, "label": '小雨', "color": "#87CEFA"}])
        ))
        tl.add(map_shape1, "{}h".format(h)) #將不同日期的數(shù)據(jù)加入到timeline中
    return tl
timeline_map(data1).render("rainfalltoall_1.html")

至此，天氣數(shù)據(jù)分析可視化就完成啦

以上就是Python實現(xiàn)爬取天氣數(shù)據(jù)并可視化分析的詳細內(nèi)容，更多關(guān)于Python爬取天氣數(shù)據(jù)的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: