当前位置：首页 > news >正文

Python 爬取天气预报并进行可视化分析

news 2024/12/28 2:06:05

今天，我们就来学习如何使用 Python 爬取天气预报数据，并用数据可视化的方式将未来几天的天气信息一目了然地展示出来。

在本文中，我们将分三步完成这一任务：

使用 Python 爬取天气数据
数据解析与处理
用可视化展示天气趋势

让我们开始吧！

第一步：准备工作

在正式开始之前，我们需要安装一些常用的 Python 库。这些库可以帮助我们更高效地获取数据、解析内容以及进行数据可视化。

首先，打开终端，安装以下库：

pip install requests
pip install beautifulsoup4
pip install matplotlib
pip install pandas

各库介绍：

requests: 用来发送 HTTP 请求，获取网页数据。
beautifulsoup4: 用于解析 HTML 数据，提取网页中的有用信息。
matplotlib 和 pandas: 用于处理数据，并创建漂亮的可视化图表。

第二步：爬取天气预报数据

现在，让我们编写 Python 代码，爬取一个天气预报网站的数据。这里我们将使用中国天气网作为数据来源。通过发送请求并解析页面中的 HTML 结构，我们可以轻松获取我们想要的天气信息。

爬取数据的源码

代码

import requests
from bs4 import BeautifulSoup
import pandas as pddef get_weather_data(city_code):# 目标URL：通过城市代码获取该城市的天气预报url = f"http://www.weather.com.cn/weather/{city_code}.shtml"# 发送HTTP请求获取网页数据response = requests.get(url)response.encoding = 'utf-8'  # 设置编码为utf-8# 使用BeautifulSoup解析网页内容soup = BeautifulSoup(response.text, 'html.parser')# 从网页中提取天气数据forecast_data = []weather_list = soup.find('ul', class_='t clearfix').find_all('li')for weather in weather_list:date = weather.find('h1').text  # 提取日期weather_desc = weather.find('p', class_='wea').text  # 提取天气情况temp = weather.find('p', class_='tem').text.strip()  # 提取温度wind = weather.find('p', class_='win').find('span')['title']  # 提取风力信息# 将每条天气数据存储为字典forecast_data.append({'date': date,'weather': weather_desc,'temperature': temp,'wind': wind})# 将数据转换为DataFrame，便于后续处理weather_df = pd.DataFrame(forecast_data)return weather_df# 使用城市代码获取天气数据，以下代码为北京的天气预报（代码为101010100）
city_code = '101010100'
weather_df = get_weather_data(city_code)
print(weather_df)

说明：

requests.get(url): 我们首先使用 requests 库向天气网站发送 HTTP 请求，并获取返回的网页内容。
BeautifulSoup: 然后用 BeautifulSoup 来解析 HTML 数据，提取出我们需要的天气预报信息，如日期、天气情况、温度和风力。
pandas.DataFrame: 最后，我们将这些数据存储在一个 DataFrame 中，方便后续的可视化处理。

运行上述代码后，你将看到一个表格，包含未来几天的天气情况。是不是感觉数据已经一目了然？但我们还可以做得更好！接下来，我们将这些数据用图表展示出来。

第三步：天气数据可视化

为了让天气预报看起来更直观，我们可以使用 Python 中强大的 matplotlib 库来绘制温度变化的折线图。我们将提取出每一天的最低温度和最高温度，并展示它们随时间的变化。

可视化的源码

import matplotlib.pyplot as pltdef visualize_weather(weather_df):# 数据清洗：提取出温度中的最高温和最低温weather_df['temperature_min'] = weather_df['temperature'].apply(lambda x: int(x.split('/')[1].replace('℃', '').strip()))weather_df['temperature_max'] = weather_df['temperature'].apply(lambda x: int(x.split('/')[0].replace('℃', '').strip()))# 设置图表尺寸plt.figure(figsize=(10, 5))# 画出最低温度和最高温度的折线图plt.plot(weather_df['date'], weather_df['temperature_min'], label='最低温度 (°C)', marker='o', color='b')plt.plot(weather_df['date'], weather_df['temperature_max'], label='最高温度 (°C)', marker='o', color='r')# 添加图表标题和标签plt.title('未来几天天气预报')plt.xlabel('日期')plt.ylabel('温度 (°C)')plt.xticks(rotation=45)plt.legend()# 自动调整布局plt.tight_layout()# 显示图表plt.show()# 可视化天气数据
visualize_weather(weather_df)