前言

這篇文章記錄以下兩點：
1.獲取天氣信息的方法和步驟以及遇到的問題和改進方法
2.獲取到天氣信息后進行數(shù)據清洗和可視化展示

總的來說，就是將網站中的天氣信息通過爬蟲技術保存在文件中，再通過對文件中的文本數(shù)據進行處理后用圖表方式展現(xiàn)出來。

一、爬蟲部分

1.選定網址

（1）網址選擇

• 因為要對網站內的數(shù)據進行獲取，第一步就是要找到存在對應信息的網址，這里選擇一個天氣網站
  
• 通過robots協(xié)議可知，該網站可以進行爬蟲爬取
  

（2）分析

• 主頁網站并沒有需要的大量天氣信息；
• 思考：我們想要獲取天氣信息應該是針對某一城市的某些天；
• 在主頁中找到該網址（這里以成都的天氣為例）：xxx/weather40d/101270101.shtml
• 通過該網站發(fā)現(xiàn)，當點擊40天的天氣信息時，網址URL的第一個路徑為weather40d；
• 點擊其他選項卡，不難發(fā)現(xiàn)，依次為：今天（1d），7天（無，這里需要避坑），8-15天（15d）；
  
• 除此之外，尾部路徑的數(shù)字101270101代表的是成都市；101110101代表西安市；

2.獲取成都7天的天氣信息

（1）請求成都最近7天天氣信息的網站

• 首先請求，看是否正常

# coding:utf-8
import requests


def get_data(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"
    }

    r = requests.get(url=url,headers=headers)
    if r.status_code == 200:

        print('請求成功')
    else:
        print('請求失敗')


URL = 'http://www.weather.com.cn/weather7d/101270101.shtml'

get_data(URL)

• 下面圖片為輸出結果，說明該網站可以正常請求訪問

• 目前看來沒有問題，開始準備獲取成都最近7天的天氣信息

（2）獲取成都7天的天氣信息

我們發(fā)現(xiàn)天氣信息是保存在網頁源代碼里，只需要獲取網頁源代碼后進行解析即可獲取到數(shù)據

a.通過text方法獲取網頁源代碼

# coding:utf-8
import requests


def get_data(url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"
    }

    r = requests.get(url=url, headers=headers)
    if r.status_code == 200:
        # 設置編碼格式
        r.encoding = 'UTF-8'
        # 通過text方法返回網頁源碼
        return r.text
    else:
        return '請求失敗'


URL = 'http://www.weather.com.cn/weather7d/101270101.shtml'

print(get_data(URL))

b.解析網頁源碼

• 顯然，需要的信息在類名為c7d、id名為7d的div標簽下，它里面只有一個ul標簽（該標簽為列表標簽），ul標簽里有需要的7天的天氣信息，為7個li標簽；
• 總的來說，只需要找到id名為7d的div標簽，便可找到天氣信息，緊接著找到ul標簽，遍歷其中的li標簽，提取信息即可。

c.獲取數(shù)據

URL = 'http://www.weather.com.cn/weather/101270101.shtml'
# 調用函數(shù)獲取網頁源代碼
html_code = get_data(URL)
soup = BeautifulSoup(html_code, "html.parser")

div = soup.find("div", id="7d")
# 獲取div標簽，下面這種方式也可以
# div = soup.find('div', attrs={'id': '7d', 'class': 'c7d'})  # div
ul = div.find("ul")  # ul
lis = ul.find_all("li")  # li

# 此行為該網站更新信息時間
# print(soup.find("div", id='around').find("h1").find("i").text)
li_today = lis[0]
# 發(fā)現(xiàn)在晚上訪問該網站，今日的天氣是沒有最高氣溫，需要手動添加，無法遍歷添加
weather_list = []
weather = []
# 添加今天的數(shù)據
date_today = li_today.find('h1').text  # 日期
wea_today = li_today.find('p', class_="wea").text  # 天氣
tem_h_today = 'NONE'
tem_l_today = li_today.find('p', class_="tem").find("i").text  # 溫度最低
spans_today = li_today.find('p', attrs={"class": "win"}).find_all("span")
win1_today = ''  # 風向
for s in spans_today:
    win1_today += s.get('title') + '且'
win2_today = li_today.find('p', attrs={"class": "win"}).find("i").text  # 風力

weather_today = [date_today, wea_today, tem_h_today, tem_l_today, win1_today + win2_today]

weather_all = []
# 添加剩下6天的數(shù)據
for li in lis[1:]:
    date = li.find('h1').text  # 日期
    wea = li.find('p', class_="wea").text  # 天氣
    tem_h = li.find('p', class_="tem").find("span").text  # 溫度最高
    tem_l = li.find('p', class_="tem").find("i").text  # 溫度最低
    spans = li.find('p', attrs={"class": "win"}).find("span")  # 此處不需要find_all
    win1 = spans.get('title') + '且'  # 風向
    win2 = li.find('p', attrs={"class": "win"}).find("i").text  # 風力
    weather = [date, wea, tem_h, tem_l, win1 + win2]

    weather_all.append(weather)

# 插入首天數(shù)據
weather_all.insert(0, weather_today)
print(weather_all)

• 通過以上方式，便可得到7天的數(shù)據。

3.獲取成都40天的天氣信息

（1）分析網站

• 7天的天氣信息過少，需要獲取更多數(shù)據；
• 此刻，以獲取7天天氣信息的方式去獲取40天天氣信息時，發(fā)現(xiàn)，并沒有需要的天氣信息；
• 經過對比，在網頁的檢查功能中，可以找到天氣信息，但是在網頁源代碼中并沒有該數(shù)據；
• 下圖為檢查功能中的天氣信息：
  
• 下圖為網頁源代碼中的天氣：
  
• 對比發(fā)現(xiàn)，所需的天氣信息，在網頁源代碼中是空白，我們便知此處是由動態(tài)網頁生成，那就需要找到動態(tài)網頁中保存數(shù)據的文件。

（2）動態(tài)網頁的數(shù)據

• 一般來說，動態(tài)網頁的數(shù)據保存在網頁文件夾里的JSON文件中，只需要找到該文件即可；
• 依舊在審查元素(右鍵檢查)里，找到Network；
  
• 剛點進去是一片空白，因為該網頁已經渲染完畢，只需要刷新即可重新渲染
  
• 繼續(xù)通過XHR過濾器尋找JSON文件，是一片空白
  
• 繼續(xù)通過JS過濾器尋找，發(fā)現(xiàn)了所需的文件
  

（3）嘗試獲取動態(tài)網頁數(shù)據

• 需要在headers找到重新請求的網站；
  

# coding:utf-8
import requests

def get_data(web_url):
    headers = {
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"
    }
    r = requests.get(url=web_url, headers=headers)
    if r.status_code == 200:
        # 返回響應對象中JSON解碼的數(shù)據內容
        weather_data = r.json()
        return weather_data
    else:
        return '請求失??！'


url = 'http://d1.weather.com.cn/calendar_new/2022/101270101_202207.html'
data = get_data(url)
print(data)

• 通過上述方法，并不能請求成功，發(fā)現(xiàn)錯誤代碼403

a.測試1：使用隨機用戶代理（此方法失?。?/h6>

# coding:utf-8
import requests
import random


def get_data(web_url):
    my_headers = [
        "Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36",
        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36",
        "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0",
        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14",
        "Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)",
        'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11',
        'Opera/9.25 (Windows NT 5.1; U; en)',
        'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)',
        'Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)',
        'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12',
        'Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9',
        "Mozilla/5.0 (X11; Linux i686) AppleWebKit/535.7 (KHTML, like Gecko) Ubuntu/11.04 Chromium/16.0.912.77 Chrome/16.0.912.77 Safari/535.7",
        "Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:10.0) Gecko/20100101 Firefox/10.0 "
    ]
    random_header = random.choice(my_headers)

    headers = {
        'User-Agent': random_header
    }

    r = requests.get(url=web_url, headers=headers)
    if r.status_code == 200:
        # 返回響應對象中JSON解碼的數(shù)據內容
        html_data = r.json()
        return html_data
    else:
        return '爬取失??！'


url = 'http://d1.weather.com.cn/calendar_new/2022/101270101_202207.html'
data = get_data(url)
print(data)

• 依舊失敗

b.測試2：設置headers參數(shù)（此方法成功）

• 不難發(fā)現(xiàn)，headers中有個Referer參數(shù)，該參數(shù)說明：當前網址是由此參數(shù)對應值所包含的網站跳轉過來，為了防止惡意請求，添加上該參數(shù)，便可正常請求了
  

# coding:utf-8
import requests
import random
import json

def get_data(web_url):
    my_headers = [
        "Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36",
        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36",
        "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0",
        "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14",
        "Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)",
        'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11',
        'Opera/9.25 (Windows NT 5.1; U; en)',
        'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)',
        'Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)',
        'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12',
        'Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9',
        "Mozilla/5.0 (X11; Linux i686) AppleWebKit/535.7 (KHTML, like Gecko) Ubuntu/11.04 Chromium/16.0.912.77 Chrome/16.0.912.77 Safari/535.7",
        "Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:10.0) Gecko/20100101 Firefox/10.0 "
    ]
    random_header = random.choice(my_headers)
	# 獲取隨機headers
    headers = {
        "Referer": "http://www.weather.com.cn/",
        'User-Agent': random_header
    }

    r = requests.get(url=web_url, headers=headers)
    if r.status_code == 200:
        content = r.content.decode(encoding='utf-8')
        # 此json文件中前面有變量名，剔除變量名，只要后面的數(shù)組數(shù)據
        weathers = json.loads(content[11:])
        return weathers
    else:
        return '爬取失??！'


url = 'http://d1.weather.com.cn/calendar_new/2022/101270101_202207.html'
data = get_data(url)
print(data)

• 仔細觀察，此URL末尾便是對應年月，于是只需要修改末尾的年月數(shù)據，便可獲取大量天氣信息；

4.獲取成都180天的天氣數(shù)據

def get_y_m_url():
    # 定義列表url_list
    url_list = []
    # 使用format功能構造每月數(shù)據的url
    for month_2022 in range(1, 7):
        url_2022 = 'http://d1.weather.com.cn/calendar_new/2022/101270101_20220{}.html'.format(month_2022)
        # 保存多月數(shù)據的url到列表url_list中
        url_list.append(url_2022)
    return url_list


url_list_all = get_y_m_url()
# for循環(huán)遍歷列表url_list
for url in url_list_all:
    # 調用函數(shù)get_data獲取每月數(shù)據
    weather_data = get_data(url)
    # 打印輸出每月數(shù)據
    print(weather_data)

二、數(shù)據處理及可視化展示

1.分析數(shù)據

• 首先分析第一個月的數(shù)據，其實只需要的是日期、降雨概率、最高溫度、最低溫度；
  

2.獲取數(shù)據

（1）獲取一個月數(shù)據并處理

• 獲取一個月的數(shù)據進行整理

# 創(chuàng)建空列表保存天氣數(shù)據列表
weather_info = []
url = 'http://d1.weather.com.cn/calendar_new/2022/101110801_202206.html'
# 調用函數(shù)進行數(shù)據獲取
weather_data = get_data(url)
for every_day_weather in weather_data:
    # 日期
    date = every_day_weather['date']
    # 降雨概率
    rainfall_probability = every_day_weather['hgl']
    # 最高溫
    tem_max = every_day_weather['hmax']
    # 最低溫
    tem_min = every_day_weather['hmin']
    # 將以上四個數(shù)據保存在字典里，為一天的數(shù)據
    one_day_weahther = {'date': date, 'rainfall_probability': rainfall_probability, 'tem_max': tem_max,'tem_min': tem_min}
    # 將每天的數(shù)據保存在列表里
    weather_info.append(one_day_weahther)
print(weather_info)

• 下圖為獲取到的1個月的天氣信息
  

（2）處理180天數(shù)據

# 創(chuàng)建空列表保存天氣數(shù)據列表
weather_info = []
# for循環(huán)遍歷列表url_list
for url in url_list_all:
    # 調用函數(shù)get_data獲取每月數(shù)據
    weather_data = get_data(url)
    for every_day_weather in weather_data:
        # 日期
        date = every_day_weather['date']
        # 降雨概率
        rainfall_probability = every_day_weather['hgl']
        # 最高溫
        tem_max = every_day_weather['hmax']
        # 最低溫
        tem_min = every_day_weather['hmin']
        # 將以上四個數(shù)據保存在字典里，為一天的數(shù)據
        one_day_weahther = {'date': date, 'rainfall_probability': rainfall_probability, 'tem_max': tem_max,'tem_min': tem_min}
        # 將每天的數(shù)據保存在列表里，同時去重
        if one_day_weahther not in weather_info:
            weather_info.append(one_day_weahther)

3.保存數(shù)據

• 將180天的數(shù)據信息以CSV格式保存下來

# 保存天氣數(shù)據到CSV文件
def save_csv(weather_data):
    # 打開文件
    csv_file = open('weather_info.csv', 'w', encoding='UTF-8-SIG', newline='\n')
    # 設置表頭信息fieldnames=['date', 'rainfall_probability', 'tem_max', 'tem_min']
    fieldnames = ['date', 'rainfall_probability', 'tem_max', 'tem_min']
    # 創(chuàng)建DictWriter對象,并返回給變量dict_writer
    dict_writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
    # 使用writeheader功能寫入表頭信息
    dict_writer.writeheader()
    # 使用writerows功能寫入多行數(shù)據
    dict_writer.writerows(weather_data)
    # 關閉文件
    csv_file.close()

save_csv(weather_info_final)

4.天氣信息可視化展示

（1）成都——深圳平均溫度對比圖

line = (
    Line(
        init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),
                                bg_color='rgba(255,250,205,0.2)',
                                width='1000px',
                                height='600px',
                                page_title='成都——深圳平均天氣對比圖',
                                # 設置主題
                                theme=ThemeType.MACARONS
                                )
    )
        .add_xaxis(xaxis_data=x)
        .add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True)
        .add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True)
        .set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳平均溫度對比圖"),
                         xaxis_opts=opts.AxisOpts(name='年月'),
                         yaxis_opts=opts.AxisOpts(name='溫度  單位：℃'), )
        .render('compare_average_tem.html')
)

（2）成都——深圳最高溫度對比圖

import csv
import pyecharts.options as opts
from pyecharts.charts import Line
import numpy

line = (
    Line(
        init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),
                                bg_color='rgba(255,250,205,0.2)',
                                width='1000px',
                                height='600px',
                                page_title='成都——深圳最高溫度對比圖',
                                theme=ThemeType.ROMANTIC
                                )
    )
        .add_xaxis(xaxis_data=x)
        .add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True)
        .add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True)
        .set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳最高溫度對比圖"),
                         xaxis_opts=opts.AxisOpts(name='年月'),
                         yaxis_opts=opts.AxisOpts(name='溫度  單位：℃'), )
        .render('compare_max_tem.html')
)

（3）成都——深圳最低溫度對比圖

import csv
import pyecharts.options as opts
from pyecharts.charts import Line
import numpy
line = (
    Line(
        init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),
                                bg_color='rgba(255,250,205,0.2)',
                                width='1000px',
                                height='600px',
                                page_title='成都——深圳最低溫度對比圖',
                                theme=ThemeType.WESTEROS

                                )
    )
        .add_xaxis(xaxis_data=x)
        .add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True)
        .add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True)
        .set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳最低溫度對比圖"),
                         xaxis_opts=opts.AxisOpts(name='年月'),
                         yaxis_opts=opts.AxisOpts(name='溫度  單位：℃'), )

        .render('compare_min_tem.html')

)

（4）成都——深圳溫度區(qū)間天數(shù)圖

import csv
from pyecharts.globals import ThemeType
import pyecharts.options as opts
from pyecharts.charts import Bar
import pandas as pd
bar = (
    Bar(
        # 設置果凍特效動畫
        init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),
                                bg_color='rgba(255,250,205,0.2)',
                                width='1000px',
                                height='600px',
                                page_title='成都——深圳溫度區(qū)間天數(shù)圖',
                                theme=ThemeType.INFOGRAPHIC
                                )
    )
        .add_xaxis(xaxis_data=x)
        .add_yaxis(series_name="成都", y_axis=cd_max_count)
        .add_yaxis(series_name="深圳", y_axis=sz_max_count)
        .set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳溫度區(qū)間天數(shù)圖"),
                         xaxis_opts=opts.AxisOpts(name='溫度區(qū)間'),
                         yaxis_opts=opts.AxisOpts(name='天數(shù)  單位：天'), )

        .render('compare_tem_count.html')

)

（5）成都半年每日最高溫度占比

pie = (
    Pie(
        # 設置果凍特效動畫
        init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),
                                bg_color='rgba(255,250,205,0.2)',
                                width='1000px',
                                height='600px',
                                page_title='成都半年每日最高溫度占比',
                                # theme=ThemeType.INFOGRAPHIC
                                )
    )
        .add('成都180天高溫溫度占比',
             list(zip(attr_tem_interval, cd_max_count)),
             )

        .set_global_opts(title_opts=opts.TitleOpts(title="成都半年每日最高溫度占比"),
                         legend_opts=opts.LegendOpts(pos_left='center'
                                                     , pos_bottom='bottom'
                                                     , orient="horizontal"

                                                     )
                         )
        # a:系列名稱（標題），b:數(shù)據項名稱，c:數(shù)值，d:百分比
        .set_series_opts(label_opts=opts.LabelOpts(formatter=':{c}天(n5n3t3z%)'))
        # 設置每塊區(qū)域的顏色
        .set_colors(['#00FFFF', '#00BFFF', '#FFD700', '#FFA500', '#FF0000'])
        .render('cd_tem_pie.html')

)

（6）成都半年每日最高溫度占比——南丁格爾圖

pie = (
    Pie(
        # 設置果凍特效動畫
        init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),
                                bg_color='rgba(255,250,205,0.2)',
                                width='1000px',
                                height='600px',
                                page_title='成都半年每日最高溫度占比——南丁格爾圖',
                                # theme=ThemeType.INFOGRAPHIC
                                )
    )
        .add('成都180天高溫溫度占比',
             list(zip(attr_tem_interval, cd_max_count)),
             # 是否展示成南丁格爾圖，通過半徑區(qū)分數(shù)據大小?？蛇x擇兩種模式：
             # 'radius' 扇區(qū)圓心角展現(xiàn)數(shù)據的百分比，半徑展現(xiàn)數(shù)據的大小。
             # 'area' 所有扇區(qū)圓心角相同，僅通過半徑展現(xiàn)數(shù)據大小。
             rosetype="radius",
             # 餅圖的半徑，數(shù)組的第一項是內半徑，第二項是外半徑（如果兩項均設置則為環(huán)狀圖）
             # 默認設置成百分比，相對于容器高寬中較小的一項的一半
             radius="55%",
             # 餅圖的中心（圓心）坐標，數(shù)組的第一項是橫坐標，第二項是縱坐標
             # 默認設置成百分比，設置成百分比時第一項是相對于容器寬度，第二項是相對于容器高度
             center=["50%", "50%"],
             )

        .set_global_opts(title_opts=opts.TitleOpts(title="成都半年每日最高溫度占比——南丁格爾圖"),
                         legend_opts=opts.LegendOpts(pos_left='center'
                                                     , pos_bottom='bottom'
                                                     , orient="horizontal"

                                                     )
                         )
        # a:系列名稱（標題），b:數(shù)據項名稱，c:數(shù)值，d:百分比
        .set_series_opts(label_opts=opts.LabelOpts(formatter=':{c}天(n5n3t3z%)'))
        # 設置每塊區(qū)域的顏色
        .set_colors(['#00FFFF', '#00BFFF', '#FFD700', '#FFA500', '#FF0000'])
        .render('cd_tem_pie_coxcomb.html')

)

若本篇內容對您有所幫助，請三連點贊，關注，收藏支持下。

創(chuàng)作不易，白嫖不好，各位的支持和認可，就是我創(chuàng)作的最大動力，我們下篇文章見！

圈圈仔OvO | 文

如果本篇博客有任何錯誤，請批評指教，不勝感激 ！文章來源地址http://www.zghlxwxcb.cn/news/detail-474094.html

到了這里，關于Python爬取180天的天氣信息及數(shù)據分析的文章就介紹完了。如果您還想了解更多內容，請在右上角搜索TOY模板網以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網！