python采集天氣數(shù)據(jù)并做數(shù)據(jù)可視化

更新時(shí)間：2022年07月06日 08:42:37 作者：魔王不會(huì)哭

本文主要介紹了python采集天氣數(shù)據(jù)并做數(shù)據(jù)可視化，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

前言

最近天氣好像有了點(diǎn)小脾氣，總是在萬分晴朗得時(shí)候耍點(diǎn)小性子~

陰會(huì)天，下上一會(huì)的雨~提醒我們時(shí)刻記得帶傘哦，不然會(huì)被雨淋或者被太陽公公曬到 ??

那么今天我就來分享一下采集天氣數(shù)據(jù) 并做數(shù)據(jù)可視化的代碼吧~

知識(shí)點(diǎn):

動(dòng)態(tài)數(shù)據(jù)抓包

requests發(fā)送請(qǐng)求

結(jié)構(gòu)化+非結(jié)構(gòu)化數(shù)據(jù)解析

開發(fā)環(huán)境:

python 3.8 運(yùn)行代碼
pycharm 2021.2 輔助敲代碼
requests

如果安裝python第三方模塊:

win + R 輸入 cmd 點(diǎn)擊確定, 輸入安裝命令 pip install 模塊名 (pip install requests) 回車
在pycharm中點(diǎn)擊Terminal(終端) 輸入安裝命令

代碼實(shí)現(xiàn):

發(fā)送請(qǐng)求
獲取數(shù)據(jù)
解析數(shù)據(jù)
保存數(shù)據(jù)

采集天氣數(shù)據(jù)代碼

導(dǎo)入模塊

import requests     # 第三方模塊 提前安裝  發(fā)送請(qǐng)求 (Python里面瀏覽器)  爆紅是因?yàn)槟銢]有安裝模塊
# 如果安裝了 但還是爆紅是因?yàn)槭裁茨? 解釋器在pycharm里面配置的不對(duì)
import parsel
import csv
# 翻譯插件

with open('天氣.csv', mode='a', encoding='utf-8', newline='') as f:
    csv_writer = csv.writer(f)
    csv_writer.writerow(["日期", "最高溫度", "最低溫度", "天氣", "風(fēng)向", "城市"])
city_list = [54511, 58362, 59287, 59493]
for city in city_list:
    for year in range(2011, 2022):
        for month in range(1, 13):
            url = f'https://tianqi.2345.com/Pc/GetHistory?areaInfo%5BareaId%5D={city}&areaInfo%5BareaType%5D=2&date%5Byear%5D={year}&date%5Bmonth%5D={month}'

1. 發(fā)送請(qǐng)求

            response = requests.get(url=url)
            # <Response [200]>: 請(qǐng)求成功

2. 獲取數(shù)據(jù)

            # json數(shù)據(jù)傳輸格式
            json_data = response.json()
            # 字典類型數(shù)據(jù)

3. 解析數(shù)據(jù)

            # 結(jié)構(gòu)化數(shù)據(jù)解析
            html_data = json_data['data']
            selector = parsel.Selector(html_data)
            # 正則 css xpath json字典數(shù)據(jù)解析
            tr_list = selector.css('.history-table tr')
            # tr_list[1:] 從列表的第二個(gè)元素開始取
            for tr in tr_list[1:]:
                # <X>fhwaeuifhwiuf</X>
                td = tr.css('td::text').getall()
                if td[2] == '°':
                    td[2] = td[1]
                if city == 54511:
                    td.append("北京")
                elif city == 58362:
                    td.append("上海")
                elif city == 59287:
                    td.append("廣州")
                elif city == 59493:
                    td.append("深圳")
                print(td)
                # 文件名 寫入方式 追加寫入  編碼方式 utf-8  數(shù)據(jù)空行
                with open('天氣.csv', mode='a', encoding='utf-8', newline='') as f:
                    csv_writer = csv.writer(f)
                    csv_writer.writerow(td)

數(shù)據(jù)分析代碼

導(dǎo)入包

import pandas as pd
import datetime
from pyecharts import options as opts
from pyecharts.charts import *
from pyecharts.commons.utils import JsCode

讀入數(shù)據(jù)

data = pd.read_csv('天氣.csv')
data

數(shù)據(jù)預(yù)覽

data.sample(5)

data.info()

分割日期/星期

data[['日期','星期']] = data['日期'].str.split(' ',expand=True,n=1)
data

去除多余字符

data[['最高溫度','最低溫度']] = data[['最高溫度','最低溫度']].apply(lambda x: x.str.replace('°',''))
data.head()

計(jì)算下雪天氣

data.loc[data['天氣'].str.contains('雪'),'下雪嗎']='是'
data.fillna('否',inplace=True)

分割日期時(shí)間

data['日期'] = pd.to_datetime(data['日期'])
data[['最高溫度','最低溫度']] = data[['最高溫度','最低溫度']].astype('int')

data['年份'] = data['日期'].dt.year
data['月份'] = data['日期'].dt.month
data['日'] = data['日期'].dt.day
# 預(yù)覽
data.sample(5)

各城市初雪的時(shí)間

s_data = data[data['下雪嗎']=='是']
s_data[(s_data['月份']>=9)].groupby('年份').first().reset_index()

各城市下雪天氣分布

s_data.groupby(['城市','年份'])['日期'].count().to_frame('下雪天數(shù)').reset_index()

做透視表

data_bj = data[(data['年份'] == 2021) & (data['城市'] == '北京')]
data_bj = data_bj.groupby(['月份','天氣'], as_index=False)['日期'].count()

data_pivot =  pd.pivot(data_bj,
                values='日期',
                index='月份',
                columns='天氣')
data_pivot = data_pivot.astype('float')
# 按照 索引年月倒序排序
data_pivot.sort_index(ascending=False,inplace=True)
# 資料、解答、教程可加Q ：261823976免費(fèi)領(lǐng)      
data_pivot

北上廣深2021年10月份天氣熱力圖分布

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import seaborn as sns

#設(shè)置全局默認(rèn)字體 為 雅黑
plt.rcParams['font.family'] = ['Microsoft YaHei'] 
# 設(shè)置全局軸標(biāo)簽字典大小
plt.rcParams["axes.labelsize"] = 14  
# 設(shè)置背景
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})  
# 設(shè)置畫布長(zhǎng)寬 和 dpi
plt.figure(figsize=(18,8),dpi=100)
# 自定義色卡
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) 
# 繪制熱力圖

ax = sns.heatmap(data_pivot, cmap=cmap, vmax=30, 
                 annot=True, # 熱力圖上顯示數(shù)值
                 linewidths=0.5,
                ) 
# 將x軸刻度放在最上面
ax.xaxis.set_ticks_position('top') 
plt.title('北京最近10個(gè)月天氣分布',fontsize=16) #圖片標(biāo)題文本和字體大小
plt.show()

data_gz= data[(data['年份'] == 2021) & (data['城市'] == '廣州')]
data_gz = data_gz.groupby(['月份','天氣'], as_index=False)['日期'].count()
data_sz= data[(data['年份'] == 2021) & (data['城市'] == '深圳')]
data_sz = data_sz.groupby(['月份','天氣'], as_index=False)['日期'].count()
data_sh= data[(data['年份'] == 2021) & (data['城市'] == '上海')]
data_sh = data_sh.groupby(['月份','天氣'], as_index=False)['日期'].count()

data_pivot_sz =  pd.pivot(data_sz,
                values='日期',
                index='月份',
                columns='天氣')
data_pivot_sz = data_pivot_sz.astype('float')
# 按照 索引年月倒序排序
data_pivot_sz.sort_index(ascending=False,inplace=True)

#設(shè)置全局默認(rèn)字體 為 雅黑
plt.rcParams['font.family'] = ['Microsoft YaHei'] 
# 設(shè)置全局軸標(biāo)簽字典大小
plt.rcParams["axes.labelsize"] = 14  
# 設(shè)置背景
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})  
# 設(shè)置畫布長(zhǎng)寬 和 dpi
plt.figure(figsize=(18,8),dpi=100)
# 自定義色卡
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) 
# 繪制熱力圖

ax_sz = sns.heatmap(data_pivot_sz, cmap=cmap, vmax=31, 
                 annot=True, # 熱力圖上顯示數(shù)值
                 linewidths=0.5,
                ) 
# 將x軸刻度放在最上面
ax_sz.xaxis.set_ticks_position('top') 
plt.title('深圳最近10個(gè)月天氣分布',fontsize=16) #圖片標(biāo)題文本和字體大小
plt.show()

data_pivot_gz =  pd.pivot(data_gz,
                values='日期',
                index='月份',
                columns='天氣')
data_pivot_gz = data_pivot_gz.astype('float')
# 按照 索引年月倒序排序
data_pivot_gz.sort_index(ascending=False,inplace=True)

#設(shè)置全局默認(rèn)字體 為 雅黑
plt.rcParams['font.family'] = ['Microsoft YaHei'] 
# 設(shè)置全局軸標(biāo)簽字典大小
plt.rcParams["axes.labelsize"] = 14  
# 設(shè)置背景
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})  
# 設(shè)置畫布長(zhǎng)寬 和 dpi
plt.figure(figsize=(18,8),dpi=100)
# 自定義色卡
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) 
# 繪制熱力圖

ax_sz = sns.heatmap(data_pivot_gz, cmap=cmap, vmax=31, 
                 annot=True, # 熱力圖上顯示數(shù)值
                 linewidths=0.5,
                ) 
# 將x軸刻度放在最上面
ax_sz.xaxis.set_ticks_position('top') 
plt.title('廣州最近10個(gè)月天氣分布',fontsize=16) #圖片標(biāo)題文本和字體大小
plt.show()
# 資料、解答、教程可加Q ：261823976免費(fèi)領(lǐng)      
data_pivot_sh =  pd.pivot(data_sh,
                values='日期',
                index='月份',
                columns='天氣')
data_pivot_sh = data_pivot_sh.astype('float')
# 按照 索引年月倒序排序
data_pivot_sh.sort_index(ascending=False,inplace=True)

#設(shè)置全局默認(rèn)字體 為 雅黑
plt.rcParams['font.family'] = ['Microsoft YaHei'] 
# 設(shè)置全局軸標(biāo)簽字典大小
plt.rcParams["axes.labelsize"] = 14  
# 設(shè)置背景
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})  
# 設(shè)置畫布長(zhǎng)寬 和 dpi
plt.figure(figsize=(18,8),dpi=100)
# 自定義色卡
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) 
# 繪制熱力圖

ax_sz = sns.heatmap(data_pivot_sh, cmap=cmap, vmax=31, 
                 annot=True, # 熱力圖上顯示數(shù)值
                 linewidths=0.5,
                ) 
# 將x軸刻度放在最上面
ax_sz.xaxis.set_ticks_position('top') 
plt.title('上海最近10個(gè)月天氣分布',fontsize=16) #圖片標(biāo)題文本和字體大小
plt.show()

data_bj = data[(data['城市']=='北京') & (data['年份'] == 2021)]
data_bj['日期'] = pd.to_datetime(data_bj.日期,format="%Y年%m月%d日")
data_bj = data_bj.sort_values(by='日期',ascending=True)

北京2021年每日最高最低溫度變化

color0 = ['#FF76A2','#24ACE6']
color_js0 = """new echarts.graphic.LinearGradient(0, 1, 0, 0,
    [{offset: 0, color: '#FFC0CB'}, {offset: 1, color: '#ed1941'}], false)"""
color_js1 = """new echarts.graphic.LinearGradient(0, 1, 0, 0,
    [{offset: 0, color: '#FFFFFF'}, {offset: 1, color: '#009ad6'}], false)"""

tl = Timeline()
for i in range(0,len(data_bj)):
    coordy_high = list(data_bj['最高溫度'])[i]
    coordx = list(data_bj['日期'])[i]
    coordy_low = list(data_bj['最低溫度'])[i]
    x_max = list(data_bj['日期'])[i]+datetime.timedelta(days=10)
    y_max = int(max(list(data_bj['最高溫度'])[0:i+1]))+3
    y_min = int(min(list(data_bj['最低溫度'])[0:i+1]))-3
    title_date = list(data_bj['日期'])[i].strftime('%Y-%m-%d')
    c = (
        Line(
            init_opts=opts.InitOpts(
            theme='dark',
            #設(shè)置動(dòng)畫
            animation_opts=opts.AnimationOpts(animation_delay_update=800),#(animation_delay=1000, animation_easing="elasticOut"),
            #設(shè)置寬度、高度
            width='1500px',
            height='900px', )
        )
        .add_xaxis(list(data_bj['日期'])[0:i])
        .add_yaxis(
            series_name="",
            y_axis=list(data_bj['最高溫度'])[0:i], is_smooth=True,is_symbol_show=False,
            linestyle_opts={
                   'normal': {
                       'width': 3,
                       'shadowColor': 'rgba(0, 0, 0, 0.5)',
                       'shadowBlur': 5,
                       'shadowOffsetY': 10,
                       'shadowOffsetX': 10,
                       'curve': 0.5,
                       'color': JsCode(color_js0)
                   }
               },
            itemstyle_opts={
            "normal": {
                "color": JsCode(
                    """new echarts.graphic.LinearGradient(0, 0, 0, 1, [{
                offset: 0,
                color: '#ed1941'
            }, {
                offset: 1,
                color: '#009ad6'
            }], false)"""
                ),
                "barBorderRadius": [45, 45, 45, 45],
                "shadowColor": "rgb(0, 160, 221)",
            }
        },

        )
        .add_yaxis(
            series_name="",
            y_axis=list(data_bj['最低溫度'])[0:i], is_smooth=True,is_symbol_show=False,
#             linestyle_opts=opts.LineStyleOpts(color=color0[1],width=3),
            itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js1)),
            linestyle_opts={
                   'normal': {
                       'width': 3,
                       'shadowColor': 'rgba(0, 0, 0, 0.5)',
                       'shadowBlur': 5,
                       'shadowOffsetY': 10,
                       'shadowOffsetX': 10,
                       'curve': 0.5,
                       'color': JsCode(color_js1)
                   }
               },
        )
        .set_global_opts(
            title_opts=opts.TitleOpts("北京2021年每日最高最低溫度變化\n\n{}".format(title_date),pos_left=330,padding=[30,20]),
            xaxis_opts=opts.AxisOpts(type_="time",max_=x_max),#, interval=10,min_=i-5,split_number=20,axistick_opts=opts.AxisTickOpts(length=2500),axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color="grey"))
            yaxis_opts=opts.AxisOpts(min_=y_min,max_=y_max),#坐標(biāo)軸顏色,axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color="grey"))
        )
    )
    tl.add(c, "{}".format(list(data_bj['日期'])[i]))
    tl.add_schema(
        axis_type='time',
        play_interval=100,  # 表示播放的速度
        pos_bottom="-29px",
        is_loop_play=False, # 是否循環(huán)播放
        width="780px",
        pos_left='30px',
        is_auto_play=True,  # 是否自動(dòng)播放。
        is_timeline_show=False)
tl.render_notebook()
# 資料、解答、教程可加Q ：261823976免費(fèi)領(lǐng)      
data_10 = data[(data['年份'] == 2021) & ( data['月份'] == 10)]
data_10.head()