前言
天氣預報我們每天都會關注，我們可以根據未來的天氣增減衣物、安排出行，每天的氣溫、風速風向、相對濕度、空氣質量等成
為關注的焦點，本次使用python中requests和BeautifulSoup庫對中國天氣網當天和未來14天的資料進行爬取，保存為csv檔案，之
后用matplotlib、numpy、pandas對資料進行可視化處理和分析，得到溫濕度度變化曲線、空氣質量圖、風向雷達圖等結果，為獲
得未來天氣資訊提供了有效方法，
1、資料獲取
請求網站鏈接
首先查看中國天氣網的網址：http://www.weather.com.cn/weather/101280701.shtml這里就訪問本地的天氣網址，如果想爬取不同
的地區只需修改最后的101280701地區編號即可，前面的weather代表是7天的網頁，weather1d代表當天，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，采用requests.get()方法，請求網頁，如果成功訪問，則得到的是網頁的所有字
符串文本，這就是請求程序，
Python學習交流Q群：906715085### def getHTMLtext(url): """請求獲得網頁內容""" 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" "
提取有用資訊
這里采用BeautifulSoup庫對剛付訓取的字串進行資料提取，首先對網頁進行檢查，找到需要獲取資料的標簽：
可以發現7天的資料資訊在div標簽中并且id=“7d”，并且日期、天氣、溫度、風級等資訊都在ul和li標簽中，所以我們可以使用
BeautifulSoup對獲取的網頁文本進行查找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的資料值，保存
到對應串列中，
這里要注意一個細節就是有時日期沒有最高氣溫，對于沒有資料的情況要進行判斷和處理，另外對于一些資料保存的格式也要提
前進行處理，比如溫度后面的攝氏度符號，日期數字的提取，和風級文字的提取，這需要用到字符查找及字串切片處理，
Python學習交流Q群：906715085### def get_content(html): """處理得到有用資訊保存資料檔案""" final = [] # 初始化一個串列保存資料 bs = BeautifulSoup(html, "html.parser") # 創建BeautifulSoup物件 body = bs.body data = body.find('div', {'id': '7d'}) # 找到div標簽且id = 7d
下面爬取當天的資料
Python學習交流Q群：906715085#### 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=https://www.cnblogs.com/123456feng/archive/2022/04/15/將其變為json資料 jd = json.loads(text) dayone = jd['od']['od2'] # 找到當天的資料 final_day = [] # 存放當天的資料 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量 #print(temp) final_day.append(temp) count = count +1
下面爬取7天的資料
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 for day in li: # 遍歷找到的每一個li if i < 7 and i > 0: temp = [] # 臨時存放每天的資料 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
同樣對于/weather15d：15天的資訊，也做同樣的處理，這里經過查看后發現他的15天網頁中只有8-14天，前面的1-7天
在/weather中，這里就分別訪問兩個網頁將爬取得到的資料進行合并得到最終14天的資料，- 前面是未來14天的資料爬取程序，
對于當天24小時的天氣資訊資料，經過查找發現他是一個json資料，可以通過json.loads()
方法獲取當天的資料，進而對當天的天氣資訊進行提取，
保存csv檔案
前面將爬取的資料添加到串列中，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
一行的資料，這里將1天和未來14天的資料分開存盤，分別保存為weather1.csv和weather14.csv，下面是他們保存的表格圖：
2.可視化分析
當天溫度變化曲線圖
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)
分析可以發現這一天最高溫度為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，發現晝夜溫差5℃，低
溫分布在凌晨，高溫分布在中午到下午的時間段，
當天相對濕度變化曲線圖
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)
分析可以發現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，
溫濕度相關性分析圖
經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系的，為了更加清楚直觀地感受這種關系，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，并且計算相關系數，下圖為結果圖：
分析可以發現一天的溫度和濕度具有強烈的相關性，他們呈負相關，這就說明他們時間是負相關關系，并且進一步分析，當溫度
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，空氣就比較干 燥，濕度較低，符合平時氣候現象，
空氣質量指數柱狀圖
空氣質量指數AQI是定量描述空氣質量狀況的指數，其數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
氣質量指數分為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小時的空氣質量進行了柱狀圖繪制，并且根據
6個等級的不同，相應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
量指數標出，用虛線畫出平均的空氣質量指數，下圖是繪制結果圖：
上面這張是南方珠海的控制質量圖，可以看出空氣質量指數最大也是在健康范圍，說明珠海空氣非常好，分析可以發現這一天最
高空氣質量指數達到了35，最低則只有14，并且平均在25左右，通過時間也可以發現，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，
而下面這個空氣質量圖是選取的北方的一個城市，可以看到這里的環境遠遠比不上珠海，
風向風級雷達圖
統計一天的風力和風向，由于風力風向使用極坐標的方式展現較好，所以這里采用的是極坐標的方式展現一天的風力風向圖，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，最后結果如下所示：
分析可以發現這一天西南風最多，平均風級達到了1.75級，東北風也有小部分1.0級，其余空白方向無來風，
未來14天高低溫變化曲線圖
統計未來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，最后結果如下所示：
分析可以發現未來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，
未來14天風向風級雷達圖
統計未來14天的風向和平均風力，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，顏色越深代表風級越高，
最后結果如下所示：
分析可以發現未來14天東南風、西南風所占主要風向，風級最高達到了5級，最低的西風平均風級也有3級，
未來14天氣候分布餅圖
統計未來14天的氣候，并求每個氣候的總天數，最后將各個氣候的餅圖繪制出來，結果如下所示：
分析可以發現未來14天氣候基本是“雨”、“陰轉雨”和“陣雨”，下雨的天數較多,結合前面的氣溫分布圖可以看出在第8-9天氣溫高溫
下降，可以推測當天下雨，導致氣溫下降，
3、結論
1.首先根據爬取的溫濕度資料進行的分析，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，通過相關系數發現溫度
和濕度有強烈的負相關關系，經查閱資料發現因為隨著溫度升高水蒸汽蒸發加劇，空氣中水分降低濕度降低，當然，濕度同時受
氣壓和雨水的影響，下雨濕度會明顯增高，
2.經查閱資料空氣質量不僅跟工廠、汽車等排放的煙氣、廢氣等有關，更為重要的是與氣象因素有關，由于晝夜溫差明顯變化，
當地面溫度高于高空溫度時，空氣上升，污染物易被帶到高空擴散；當地面溫度低于一定高度的溫度時，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.風是由氣壓在水平方向分布的不均勻導致的，風受大氣環流、地形、水域等不同因素的綜合影響，表現形式多種多樣，如季
風、地方性的海陸風、山谷風等，一天的風向也有不同的變化，根據未來14天的風向雷達圖可以發現未來所有風向基本都有涉
及，并且沒有特別的某個風向，原因可能是近期沒有降水和氣文變化不大，導致風向也沒有太大的變化規律，
4.天氣是指某一個地區距離地表較近的大氣層在短時間內的具體狀態，跟某瞬時內大氣中各種氣象要素分布的綜合表現，根據未
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系的，
4、代碼框架
代碼主要分為weather.py：對中國天氣網進行爬取天氣資料并保存csv檔案；data1_analysis.py：對當天的天氣資訊進行可視化處
理；data14_analysis.py：對未來14天的天氣資訊進行可視化處理，下面是代碼的結構圖：
附源代碼
weather.py # weather.py import requests from bs4 import BeautifulSoup import csv import json def getHTMLtext(url): """請求獲得網頁內容""" 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): """處理得到有用資訊保存資料檔案""" final = [] # 初始化一個串列保存資料 bs = BeautifulSoup(html, "html.parser") # 創建BeautifulSoup物件 body = bs.body data = body.find('div', {<!-- -->'id': '7d'}) # 找到div標簽且id = 7d # 下面爬取當天的資料 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=https://www.cnblogs.com/123456feng/archive/2022/04/15/將其變為json資料 jd = json.loads(text) dayone = jd['od']['od2'] # 找到當天的資料 final_day = [] # 存放當天的資料 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量 #print(temp) final_day.append(temp) count = count +1 # 下面爬取7天的資料 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 for day in li: # 遍歷找到的每一個li if i < 7 and i > 0: temp = [] # 臨時存放每天的資料 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 #print(final) def get_content2(html): """處理得到有用資訊保存資料檔案""" final = [] # 初始化一個串列保存資料 bs = BeautifulSoup(html, "html.parser") # 創建BeautifulSoup物件 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 for day in li: # 遍歷找到的每一個li if i < 8: temp = [] # 臨時存放每天的資料 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 # 找到風向 if '轉' in wind: # 如果有風向變化 temp.append(wind[:wind.index('轉')]) temp.append(wind[wind.index('轉')+1:]) else: # 如果沒有風向變化，前后風向一致 temp.append(wind) temp.append(wind) wind_scale = day.find('span',{<!-- -->'class':'wind1'}).string # 找到風級 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檔案""" 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','風向1','風向2','風級'] else: header = ['小時','溫度','風力方向','風級','降水量','相對濕度','空氣質量'] f_csv = csv.writer(f) f_csv.writerow(header) f_csv.writerows(data) def main(): """主函式""" print("Weather test") # 珠海 url1 = 'http://www.weather.com.cn/weather/101280701.shtml' # 7天天氣中國天氣網 url2 = 'http://www.weather.com.cn/weather15d/101280701.shtml' # 8-15天天氣中國天氣網 html1 = getHTMLtext(url1) data1, data1_7 = get_content(html1) # 獲得1-7天和當天的資料 html2 = getHTMLtext(url2) data8_14 = get_content2(html2) # 獲得8-14天資料 data14 = data1_7 + data8_14 #print(data) write_to_csv('weather14.csv',data14,14) # 保存為csv檔案 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): """空氣質量曲線繪制""" hour = list(data['小時']) air = list(data['空氣質量']) 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 # 求平均空氣質量 air_max = max(air) air_max_hour = hour[air.index(air_max)] # 求最高空氣質量 air_min = min(air) air_min_hour = hour[air.index(air_min)] # 求最低空氣質量 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='darkviolet',width=0.7) # 5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) # 標出最低空氣質量 plt.xticks(x) plt.title('一天空氣質量變化曲線圖') plt.xlabel('時間/h') plt.ylabel('空氣質量指數AQI') plt.show() 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資料 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) # 資料極徑 radii = np.array(temp) # 繪制極區圖坐標系 plt.axes(polar=True) # 定義每個扇區的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('一天風級圖',x=0.2,fontsize=20) plt.show() def calc_corr(a, b): """計算相關系數""" 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("溫濕度相關性分析圖") plt.xlabel("溫度/℃") plt.ylabel("相對濕度/%") plt.text(20,40,"相關系數為："+str(calc_corr(tem,hum)),fontdict={<!-- -->'size':'10','color':'red'}) plt.show() print("相關系數為："+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/天') plt.ylabel('攝氏度/℃') plt.show() def change_wind(wind): """改變風向""" for i in range(0,14): 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 return wind def wind_radar(data): """風向雷達圖""" wind1 = list(data['風向1']) wind2 = list(data['風向2']) wind_speed = list(data['風級']) wind1 = change_wind(wind1) wind2 = change_wind(wind2) degs = np.arange(45,361,45) temp = [] for deg in degs: speed = [] # 獲取 wind_deg 在指定范圍的風速平均值資料 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) # 資料極徑 radii = np.array(temp) # 繪制極區圖坐標系 plt.axes(polar=True) # 定義每個扇區的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('未來14天風級圖',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()
用Python爬取天氣資料并做可視化分析，聽起來就是不錯的，就是敲代碼有點廢手，這密密麻麻的代碼必須給我一個大大的贊才
能哄好了，今天的分享到這里就結束了，咱們下一章見啦，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/458275.html
標籤：其他