知識點:

• 動態(tài)數據抓包
• requests發(fā)送請求
• 結構化+非結構化數據解析

開發(fā)環(huán)境:

• python 3.8 運行代碼
• pycharm 2021.2 輔助敲代碼
• requests

如果安裝python第三方模塊:

1. win + R 輸入 cmd 點擊確定, 輸入安裝命令 pip install 模塊名 (pip install requests)回車
2. 在pycharm中點擊Terminal(終端) 輸入安裝命令

代碼實現:

1. 發(fā)送請求
2. 獲取數據
3. 解析數據
4. 保存數據

采集天氣數據代碼

導入模塊

源碼.點擊領取即可

import requests     # 第三方模塊 提前安裝  發(fā)送請求 (Python里面瀏覽器)  爆紅是因為你沒有安裝模塊
# 如果安裝了 但還是爆紅是因為什么呢? 解釋器在pycharm里面配置的不對
import parsel
import csv
# 翻譯插件

with open('天氣.csv', mode='a', encoding='utf-8', newline='') as f:
    csv_writer = csv.writer(f)
    csv_writer.writerow(["日期", "最高溫度", "最低溫度", "天氣", "風向", "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. 發(fā)送請求

response = requests.get(url=url)
# <Response [200]>: 請求成功

2. 獲取數據

# json數據傳輸格式
json_data = response.json()
# 字典類型數據

3.解析數據

 # 結構化數據解析
 html_data = json_data['data']
 selector = parsel.Selector(html_data)
 # 正則 css xpath json字典數據解析
 tr_list = selector.css('.history-table tr')
 # tr_list[1:] 從列表的第二個元素開始取
 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("廣州")
    elif city == 59493:
        td.append("深圳")
    print(td)
    # 文件名 寫入方式 追加寫入  編碼方式 utf-8  數據空行
    with open('天氣.csv', mode='a', encoding='utf-8', newline='') as f:
        csv_writer = csv.writer(f)
        csv_writer.writerow(td)

數據分析代碼

導入包

源碼.點擊領取即可

import pandas as pd
import datetime
from pyecharts import options as opts
from pyecharts.charts import *
from pyecharts.commons.utils import JsCode

讀入數據

data = pd.read_csv('天氣.csv')
data

數據預覽

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[['最高溫度','最低溫度']] = data[['最高溫度','最低溫度']].apply(lambda x: x.str.replace('°',''))
data.head()

計算下雪天氣

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

分割日期時間

data['日期'] = pd.to_datetime(data['日期'])
data[['最高溫度','最低溫度']] = data[['最高溫度','最低溫度']].astype('int')

data['年份'] = data['日期'].dt.year
data['月份'] = data['日期'].dt.month
data['日'] = data['日期'].dt.day
# 預覽
data.sample(5)

各城市初雪的時間

s_data = data[data['下雪嗎']=='是']
s_data[(s_data['月份']>=9)].groupby('年份').first().reset_index()

各城市下雪天氣分布

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

做透視表

data_bj = data[(data['年份'] == 2021) & (data['城市'] == '北京')]
data_bj = data_bj.groupby(['月份','天氣'], as_index=False)['日期'].count()

data_pivot =  pd.pivot(data_bj,
                values='日期',
                index='月份',
                columns='天氣')
data_pivot = data_pivot.astype('float')
# 按照 索引年月倒序排序
data_pivot.sort_index(ascending=False,inplace=True)      
data_pivot
python學習交流Q群：770699889 ### 源碼領取

北上廣深2021年10月份天氣熱力圖分布

import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import seaborn as sns

#設置全局默認字體 為 雅黑
plt.rcParams['font.family'] = ['Microsoft YaHei'] 
# 設置全局軸標簽字典大小
plt.rcParams["axes.labelsize"] = 14  
# 設置背景
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})  
# 設置畫布長寬 和 dpi
plt.figure(figsize=(18,8),dpi=100)
# 自定義色卡
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) 
# 繪制熱力圖

ax = sns.heatmap(data_pivot, cmap=cmap, vmax=30, 
                 annot=True, # 熱力圖上顯示數值
                 linewidths=0.5,
                ) 
# 將x軸刻度放在最上面
ax.xaxis.set_ticks_position('top') 
plt.title('北京最近10個月天氣分布',fontsize=16) #圖片標題文本和字體大小
plt.show()

data_gz= data[(data['年份'] == 2021) & (data['城市'] == '廣州')]
data_gz = data_gz.groupby(['月份','天氣'], 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','天氣'], 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','天氣'], as_index=False)['日期'].count()

python學習交流Q群：770699889 ### 源碼領取
data_pivot_sz =  pd.pivot(data_sz,
                values='日期',
                index='月份',
                columns='天氣')
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)

#設置全局默認字體 為 雅黑
plt.rcParams['font.family'] = ['Microsoft YaHei'] 
# 設置全局軸標簽字典大小
plt.rcParams["axes.labelsize"] = 14  
# 設置背景
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})  
# 設置畫布長寬 和 dpi
plt.figure(figsize=(18,8),dpi=100)
# 自定義色卡
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) 
# 繪制熱力圖

ax_sz = sns.heatmap(data_pivot_sz, cmap=cmap, vmax=31, 
                 annot=True, # 熱力圖上顯示數值
                 linewidths=0.5,
                ) 
# 將x軸刻度放在最上面
ax_sz.xaxis.set_ticks_position('top') 
plt.title('深圳最近10個月天氣分布',fontsize=16) #圖片標題文本和字體大小
plt.show()

data_pivot_gz =  pd.pivot(data_gz,
                values='日期',
                index='月份',
                columns='天氣')
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)

#設置全局默認字體 為 雅黑
plt.rcParams['font.family'] = ['Microsoft YaHei'] 
# 設置全局軸標簽字典大小
plt.rcParams["axes.labelsize"] = 14  
# 設置背景
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})  
# 設置畫布長寬 和 dpi
plt.figure(figsize=(18,8),dpi=100)
# 自定義色卡
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) 
# 繪制熱力圖

ax_sz = sns.heatmap(data_pivot_gz, cmap=cmap, vmax=31, 
                 annot=True, # 熱力圖上顯示數值
                 linewidths=0.5,
                ) 
# 將x軸刻度放在最上面
ax_sz.xaxis.set_ticks_position('top') 
plt.title('廣州最近10個月天氣分布',fontsize=16) #圖片標題文本和字體大小
plt.show()   
data_pivot_sh =  pd.pivot(data_sh,
                values='日期',
                index='月份',
                columns='天氣')
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)

#設置全局默認字體 為 雅黑
plt.rcParams['font.family'] = ['Microsoft YaHei'] 
# 設置全局軸標簽字典大小
plt.rcParams["axes.labelsize"] = 14  
# 設置背景
sns.set_style("darkgrid",{"font.family":['Microsoft YaHei', 'SimHei']})  
# 設置畫布長寬 和 dpi
plt.figure(figsize=(18,8),dpi=100)
# 自定義色卡
cmap = mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216']) 
# 繪制熱力圖

ax_sz = sns.heatmap(data_pivot_sh, cmap=cmap, vmax=31, 
                 annot=True, # 熱力圖上顯示數值
                 linewidths=0.5,
                ) 
# 將x軸刻度放在最上面
ax_sz.xaxis.set_ticks_position('top') 
plt.title('上海最近10個月天氣分布',fontsize=16) #圖片標題文本和字體大小
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年每日最高最低溫度變化

python學習交流Q群：770699889 ### 源碼領取
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['最高溫度'])[i]
    coordx = list(data_bj['日期'])[i]
    coordy_low = list(data_bj['最低溫度'])[i]
    x_max = list(data_bj['日期'])[i]+datetime.timedelta(days=10)
    y_max = int(max(list(data_bj['最高溫度'])[0:i+1]))+3
    y_min = int(min(list(data_bj['最低溫度'])[0:i+1]))-3
    title_date = list(data_bj['日期'])[i].strftime('%Y-%m-%d')
    c = (
        Line(
            init_opts=opts.InitOpts(
            theme='dark',
            #設置動畫
            animation_opts=opts.AnimationOpts(animation_delay_update=800),#(animation_delay=1000, animation_easing="elasticOut"),
            #設置寬度、高度
            width='1500px',
            height='900px', )
        )
        .add_xaxis(list(data_bj['日期'])[0:i])
        .add_yaxis(
            series_name="",
            y_axis=list(data_bj['最高溫度'])[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['最低溫度'])[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年每日最高最低溫度變化\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),#坐標軸顏色,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, # 是否循環(huán)播放
        width="780px",
        pos_left='30px',
        is_auto_play=True,  # 是否自動播放。
        is_timeline_show=False)
tl.render_notebook()      
data_10 = data[(data['年份'] == 2021) & ( data['月份'] == 10)]
data_10.head()

北上廣深10月份每日最高氣溫變化

# 背景色
background_color_js = (
    "new echarts.graphic.LinearGradient(0, 0, 0, 1, "
    "[{offset: 0, color: '#c86589'}, {offset: 1, color: '#06a7ff'}], false)"
)

# 線條樣式
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')]["最高溫度"].values.tolist()[0])
    gz.append(data_10[(data_10['日'] == x_data[d_time]) & (data_10['城市']=='廣州')]["最高溫度"].values.tolist()[0])
    sh.append(data_10[(data_10['日'] == x_data[d_time]) & (data_10['城市']=='上海')]["最高溫度"].values.tolist()[0])
    sz.append(data_10[(data_10['日'] == x_data[d_time]) & (data_10['城市']=='深圳')]["最高溫度"].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(
            '廣州',
            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='北上廣深10月份最高氣溫變化趨勢',
                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
            ),
                  
            yaxis_opts=opts.AxisOpts(
                name='最高氣溫',            
                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,          # 輪播速度
    is_timeline_show=True,      # 是否顯示 timeline 組件
    is_auto_play=True,          # 是否自動播放
    pos_left="0",
    pos_right="0"
)
timeline.render_notebook()

效果展示（部分）

源碼.點擊領取即可

最后

今天的分享到這里就結束了

給大家推薦一些Python視頻教程，希望對大家有所幫助：

Python零基礎教學合集

對文章有問題的，或者有其他關于python的問題，可以在評論區(qū)留言或者私信我哦
覺得我分享的文章不錯的話，可以關注一下我，或者給文章點贊(/≧▽≦)/

文章來源地址http://www.zghlxwxcb.cn/news/detail-488685.html

到了這里，關于Python采集天氣數據，做可視化分析【附源碼】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！