python采集天气数据并做数据可视化

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:

• 发送请求
• 获取数据
• 解析数据
• 保存数据

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 parsel
import 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 pd
import datetime
from pyecharts import options as opts
from 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

代码如下:

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

分割日期时间

代码如下:

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

代码如下:

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

代码如下:

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

做透视表

代码如下:

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

代码如下:

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

代码如下:

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()

北上广深10月份每日最高气温变化

代码如下:

# 背景色background_color_js = ( "new echarts.graphic.LinearGradient(0, 0, 0, 1, " "[{offset: 0, color: '#c86589'}, {offset: 1, color: '#06a7ff'}], false)")# 线条样式linestyle_dic = { 'normal': { 'width': 4, 'shadowColor': '#696969', 'shadowBlur': 10, 'shadowOffsetY': 10, 'shadowOffsetX': 10, } } timeline = Timeline(init_opts=opts.InitOpts(bg_color=JsCode(background_color_js), width='980px',height='600px'))bj, gz, sh, sz= [], [], [], []all_max = []x_data = data_10[data_10['城市'] == '北京']['日'].tolist()for d_time in range(len(x_data)): bj.append(data_10[(data_10['日'] == x_data[d_time]) & (data_10['城市']=='北京')]["最高温度"].values.tolist()[0]) gz.append(data_10[(data_10['日'] == x_data[d_time]) & (data_10['城市']=='广州')]["最高温度"].values.tolist()[0]) sh.append(data_10[(data_10['日'] == x_data[d_time]) & (data_10['城市']=='上海')]["最高温度"].values.tolist()[0]) sz.append(data_10[(data_10['日'] == x_data[d_time]) & (data_10['城市']=='深圳')]["最高温度"].values.tolist()[0]) line = ( Line(init_opts=opts.InitOpts(bg_color=JsCode(background_color_js), width='980px',height='600px')) .add_xaxis( x_data, ) .add_yaxis( '北京', bj, symbol_size=5, is_smooth=True, is_hover_animation=True, label_opts=opts.LabelOpts(is_show=False), ) .add_yaxis( '广州', gz, symbol_size=5, is_smooth=True, is_hover_animation=True, label_opts=opts.LabelOpts(is_show=False), ) .add_yaxis( '上海', sh, symbol_size=5, is_smooth=True, is_hover_animation=True, label_opts=opts.LabelOpts(is_show=False), ) .add_yaxis( '深圳', sz, symbol_size=5, is_smooth=True, is_hover_animation=True, label_opts=opts.LabelOpts(is_show=False), ) .set_series_opts(linestyle_opts=linestyle_dic) .set_global_opts( title_opts=opts.TitleOpts( title='北上广深10月份最高气温变化趋势', pos_left='center', pos_top='2%', title_textstyle_opts=opts.TextStyleOpts(color='#DC143C', font_size=20)), tooltip_opts=opts.TooltipOpts( trigger="axis", axis_pointer_type="cross", background_color="rgba(245, 245, 245, 0.8)", border_width=1, border_color="#ccc", textstyle_opts=opts.TextStyleOpts(color="#000"), ), xaxis_opts=opts.AxisOpts(# axislabel_opts=opts.LabelOpts(font_size=14, color='red'),# axisline_opts=opts.AxisLineOpts(is_show=True,# linestyle_opts=opts.LineStyleOpts(width=2, color='#DB7093')) is_show = False ), # 资料、解答、教程可加Q ：261823976免费领 yaxis_opts=opts.AxisOpts( name='最高气温', is_scale=True,# min_= int(min([gz[d_time],sh[d_time],sz[d_time],bj[d_time]])) - 10, max_= int(max([gz[d_time],sh[d_time],sz[d_time],bj[d_time]])) + 10, name_textstyle_opts=opts.TextStyleOpts(font_size=16,font_weight='bold',color='#5470c6'), axislabel_opts=opts.LabelOpts(font_size=13,color='#5470c6'), splitline_opts=opts.SplitLineOpts(is_show=True, linestyle_opts=opts.LineStyleOpts(type_='dashed')), axisline_opts=opts.AxisLineOpts(is_show=True, linestyle_opts=opts.LineStyleOpts(width=2, color='#5470c6')) ), legend_opts=opts.LegendOpts(is_show=True, pos_right='1%', pos_top='2%', legend_icon='roundRect',orient = 'vertical'), )) timeline.add(line, '{}'.format(x_data[d_time]))timeline.add_schema( play_interval=1000, # 轮播速度 is_timeline_show=True, # 是否显示 timeline 组件 is_auto_play=True, # 是否自动播放 pos_left="0", pos_right="0")timeline.render_notebook()

效果展示（部分）

尾语

成功没有快车道，幸福没有高速路。

所有的成功，都来自不倦地努力和奔跑，所有的幸福都来自平凡的奋斗和坚持

——励志语录

本文章就写完啦~感兴趣的小伙伴可以复制代码去试试

你们的支持是我最大的动力！！记得三连哦~ 欢迎大家阅读往期的文章呀~