这篇教程python采集天气数据并做数据可视化写得很实用,希望能帮到您。
前言最近天气好像有了点小脾气,总是在万分晴朗得时候耍点小性子~ 阴会天,下上一会的雨~提醒我们时刻记得带伞哦,不然会被雨淋或者被太阳公公晒到 那么今天我就来分享一下采集天气数据 并做数据可视化的代码吧~
知识点:动态数据抓包 requests发送请求 结构化+非结构化数据解析
开发环境:- python 3.8 运行代码
- pycharm 2021.2 辅助敲代码
- requests
如果安装python第三方模块: - win + R 输入 cmd 点击确定, 输入安装命令 pip install 模块名 (pip install requests) 回车
- 在pycharm中点击Terminal(终端) 输入安装命令
代码实现:
采集天气数据代码导入模块 import requests # 第三方模块 提前安装 发送请求 (Python里面浏览器) 爆红是因为你没有安装模块# 如果安装了 但还是爆红是因为什么呢? 解释器在pycharm里面配置的不对import parselimport csv# 翻译插件 with open('天气.csv', mode='a', encoding='utf-8', newline='') as f: csv_writer = csv.writer(f) csv_writer.writerow(["日期", "最高温度", "最低温度", "天气", "风向", "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. 发送请求 response = requests.get(url=url) # <Response [200]>: 请求成功 2. 获取数据 # json数据传输格式 json_data = response.json() # 字典类型数据 3. 解析数据 # 结构化数据解析 html_data = json_data['data'] selector = parsel.Selector(html_data) # 正则 css xpath json字典数据解析 tr_list = selector.css('.history-table tr') # tr_list[1:] 从列表的第二个元素开始取 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("广州") elif city == 59493: td.append("深圳") print(td) # 文件名 写入方式 追加写入 编码方式 utf-8 数据空行 with open('天气.csv', mode='a', encoding='utf-8', newline='') as f: csv_writer = csv.writer(f) csv_writer.writerow(td)
数据分析代码导入包 import pandas as pdimport datetimefrom pyecharts import options as optsfrom pyecharts.charts import *from pyecharts.commons.utils import JsCode 读入数据 data = pd.read_csv('天气.csv')data 数据预览 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[['最高温度','最低温度']] = data[['最高温度','最低温度']].apply(lambda x: x.str.replace('°',''))data.head() 计算下雪天气 data.loc[data['天气'].str.contains('雪'),'下雪吗']='是'data.fillna('否',inplace=True) 分割日期时间 data['日期'] = pd.to_datetime(data['日期'])data[['最高温度','最低温度']] = data[['最高温度','最低温度']].astype('int')data['年份'] = data['日期'].dt.yeardata['月份'] = data['日期'].dt.monthdata['日'] = data['日期'].dt.day# 预览data.sample(5) 各城市初雪的时间 s_data = data[data['下雪吗']=='是']s_data[(s_data['月份']>=9)].groupby('年份').first().reset_index() 各城市下雪天气分布 s_data.groupby(['城市','年份'])['日期'].count().to_frame('下雪天数').reset_index() 做透视表 data_bj = data[(data['年份'] == 2021) & (data['城市'] == '北京')]data_bj = data_bj.groupby(['月份','天气'], as_index=False)['日期'].count()data_pivot = pd.pivot(data_bj, values='日期', index='月份', columns='天气')data_pivot = data_pivot.astype('float')# 按照 索引年月倒序排序data_pivot.sort_index(ascending=False,inplace=True)# 资料、解答、教程可加Q :261823976免费领 data_pivot 北上广深2021年10月份天气热力图分布 import matplotlib.pyplot as pltimport matplotlib.colors as mcolorsimport seaborn as sns#设置全局默认字体 为 雅黑plt.rcParams['font.family'] = ['Microsoft YaHei'] # 设置全局轴标签字典大小plt.rcParams["axes.labelsize"] = 14 # 设置背景sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']}) # 设置画布长宽 和 dpiplt.figure(figsize=(18,8),dpi=100)# 自定义色卡cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) # 绘制热力图ax = sns.heatmap(data_pivot, cmap=cmap, vmax=30, annot=True, # 热力图上显示数值 linewidths=0.5, ) # 将x轴刻度放在最上面ax.xaxis.set_ticks_position('top') plt.title('北京最近10个月天气分布',fontsize=16) #图片标题文本和字体大小plt.show()data_gz= data[(data['年份'] == 2021) & (data['城市'] == '广州')]data_gz = data_gz.groupby(['月份','天气'], 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','天气'], 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','天气'], as_index=False)['日期'].count()data_pivot_sz = pd.pivot(data_sz, values='日期', index='月份', columns='天气')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)#设置全局默认字体 为 雅黑plt.rcParams['font.family'] = ['Microsoft YaHei'] # 设置全局轴标签字典大小plt.rcParams["axes.labelsize"] = 14 # 设置背景sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']}) # 设置画布长宽 和 dpiplt.figure(figsize=(18,8),dpi=100)# 自定义色卡cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) # 绘制热力图ax_sz = sns.heatmap(data_pivot_sz, cmap=cmap, vmax=31, annot=True, # 热力图上显示数值 linewidths=0.5, ) # 将x轴刻度放在最上面ax_sz.xaxis.set_ticks_position('top') plt.title('深圳最近10个月天气分布',fontsize=16) #图片标题文本和字体大小plt.show()data_pivot_gz = pd.pivot(data_gz, values='日期', index='月份', columns='天气')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)#设置全局默认字体 为 雅黑plt.rcParams['font.family'] = ['Microsoft YaHei'] # 设置全局轴标签字典大小plt.rcParams["axes.labelsize"] = 14 # 设置背景sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']}) # 设置画布长宽 和 dpiplt.figure(figsize=(18,8),dpi=100)# 自定义色卡cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) # 绘制热力图ax_sz = sns.heatmap(data_pivot_gz, cmap=cmap, vmax=31, annot=True, # 热力图上显示数值 linewidths=0.5, ) # 将x轴刻度放在最上面ax_sz.xaxis.set_ticks_position('top') plt.title('广州最近10个月天气分布',fontsize=16) #图片标题文本和字体大小plt.show()# 资料、解答、教程可加Q :261823976免费领 data_pivot_sh = pd.pivot(data_sh, values='日期', index='月份', columns='天气')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)#设置全局默认字体 为 雅黑plt.rcParams['font.family'] = ['Microsoft YaHei'] # 设置全局轴标签字典大小plt.rcParams["axes.labelsize"] = 14 # 设置背景sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']}) # 设置画布长宽 和 dpiplt.figure(figsize=(18,8),dpi=100)# 自定义色卡cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) # 绘制热力图ax_sz = sns.heatmap(data_pivot_sh, cmap=cmap, vmax=31, annot=True, # 热力图上显示数值 linewidths=0.5, ) # 将x轴刻度放在最上面ax_sz.xaxis.set_ticks_position('top') plt.title('上海最近10个月天气分布',fontsize=16) #图片标题文本和字体大小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年每日最高最低温度变化 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['最高温度'])[i] coordx = list(data_bj['日期'])[i] coordy_low = list(data_bj['最低温度'])[i] x_max = list(data_bj['日期'])[i]+datetime.timedelta(days=10) y_max = int(max(list(data_bj['最高温度'])[0:i+1]))+3 y_min = int(min(list(data_bj['最低温度'])[0:i+1]))-3 title_date = list(data_bj['日期'])[i].strftime('%Y-%m-%d') c = ( Line( init_opts=opts.InitOpts( theme='dark', #设置动画 animation_opts=opts.AnimationOpts(animation_delay_update=800),#(animation_delay=1000, animation_easing="elasticOut"), #设置宽度、高度 width='1500px', height='900px', ) ) .add_xaxis(list(data_bj['日期'])[0:i]) .add_yaxis( series_name="", y_axis=list(data_bj['最高温度'])[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['最低温度'])[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年每日最高最低温度变化/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),#坐标轴颜色,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, # 是否循环播放 width="780px", pos_left='30px', is_auto_play=True, # 是否自动播放。 is_timeline_show=False)tl.render_notebook()# 资料、解答、教程可加Q :261823976免费领 data_10 = data[(data['年份'] == 2021) & ( data['月份'] == 10)]data_10.head()
尾语到此这篇关于python采集天气数据并做数据可视化的文章就介绍到这了,更多相关python采集天气可视化内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net! 详解pandas的read_csv方法 Python可视化神器pyecharts绘制柱状图 |