Python爬取天氣數據及可視化分析！（含源碼）

天氣預報我們每天都會關注，我們可以根據未來的天氣增減衣物、安排出行，每天的氣溫、風速風向、相對濕度、空氣質量等成為關注的焦點。本次使用python中requests和BeautifulSoup庫對中國天氣網當天和未來14天的數據進行爬取，保存為csv文件，之后用matplotlib、numpy、pandas對數據進行可視化處理和分析，得到溫濕度度變化曲線、空氣質量圖、風向雷達圖等結果，為獲得未來天氣信息提供了有效方法。

1、數據獲取

請求網站鏈接

首先查看中國天氣網的網址：http://www.weather.com.cn/weather/101280701.shtml這里就訪問本地的天氣網址，如果想爬取不同的地區只需修改最后的101280701地區編號即可，前面的weather代表是7天的網頁，weather1d代表當天，weather15d代表未來14天。這里就主要訪問7天和14天的中國天氣網。采用requests.get()方法，請求網頁，如果成功訪問，則得到的是網頁的所有字符串文本。這就是請求過程。

def?getHTMLtext(url):?????"""請求獲得網頁內容"""try:?????????r?=?requests.get(url,?timeout?=?30)?????????r.raise_for_status()?????????r.encoding?=?r.apparent_encoding?????????print("成功訪問")?????????return?r.text?????except:?????????print("訪問錯誤")?????????return"?"

提取有用信息

這里采用BeautifulSoup庫對剛剛獲取的字符串進行數據提取，首先對網頁進行檢查，找到需要獲取數據的標簽：

可以發現7天的數據信息在div標簽中并且id=“7d”，并且日期、天氣、溫度、風級等信息都在ul和li標簽中，所以我們可以使用BeautifulSoup對獲取的網頁文本進行查找div標簽id=“7d”，找出他包含的所有的ul和li標簽，之后提取標簽中相應的數據值，保存到對應列表中。

這里要注意一個細節就是有時日期沒有最高氣溫，對于沒有數據的情況要進行判斷和處理。另外對于一些數據保存的格式也要提前進行處理，比如溫度后面的攝氏度符號，日期數字的提取，和風級文字的提取，這需要用到字符查找及字符串切片處理。

def?get_content(html):
"""處理得到有用信息保存數據文件"""
final?=?[]??????????#?初始化一個列表保存數據
bs?=?BeautifulSoup(html,?"html.parser")??#?創建BeautifulSoup對象
body?=?bs.body
data?=?body.find('div',?{'id':?'7d'})????#?找到div標簽且id?=?7d

下面爬取當天的數據

data2?=?body.find_all('div',{'class':'left-div'})
text?=?data2[2].find('script').string?
text?=?text[text.index('=')+1?:-2]???#?移除改var?data=將其變為json數據
jd?=?json.loads(text)
dayone?=?jd['od']['od2']?????#?找到當天的數據
final_day?=?[]???????????#?存放當天的數據
count?=?0
for?i?in?dayone:
temp?=?[]
if?count?<=23:
temp.append(i['od21'])?????#?添加時間
temp.append(i['od22'])?????#?添加當前時刻溫度
temp.append(i['od24'])?????#?添加當前時刻風力方向
temp.append(i['od25'])?????#?添加當前時刻風級
temp.append(i['od26'])?????#?添加當前時刻降水量
temp.append(i['od27'])?????#?添加當前時刻相對濕度
temp.append(i['od28'])?????#?添加當前時刻控制質量
#print(temp)
final_day.append(temp)
count?=?count?+1

下面爬取7天的數據

ul?=?data.find('ul')??????#?找到所有的ul標簽
li?=?ul.find_all('li')??????#?找到左右的li標簽
i?=?0?????#?控制爬取的天數
for?day?in?li:??????????#?遍歷找到的每一個li
if?i?<?7?and?i?>?0:
temp?=?[]??????????#?臨時存放每天的數據
date?=?day.find('h1').string?????#?得到日期
date?=?date[0:date.index('日')]???#?取出日期號
temp.append(date)????inf?=?day.find_all('p')??????#?找出li下面的p標簽,提取第一個p標簽的值，即天氣
temp.append(inf[0].string)tem_low?=?inf[1].find('i').string???#?找到最低氣溫if?inf[1].find('span')?is?None:???#?天氣預報可能沒有最高氣溫tem_high?=?Noneelse:tem_high?=?inf[1].find('span').string??#?找到最高氣溫temp.append(tem_low[:-1])if?tem_high[-1]?==?'℃':temp.append(tem_high[:-1])else:temp.append(tem_high)wind?=?inf[2].find_all('span')??#?找到風向for?j?in?wind:temp.append(j['title'])wind_scale?=?inf[2].find('i').string?#?找到風級index1?=?wind_scale.index('級')temp.append(int(wind_scale[index1-1:index1]))final.append(temp)
i?=?i?+?1return?final_day,final

同樣對于/weather15d：15天的信息，也做同樣的處理，這里經過查看后發現他的15天網頁中只有8-14天，前面的1-7天在/weather中，這里就分別訪問兩個網頁將爬取得到的數據進行合并得到最終14天的數據。- ?前面是未來14天的數據爬取過程，對于當天24小時的天氣信息數據，經過查找發現他是一個json數據，可以通過json.loads()

方法獲取當天的數據，進而對當天的天氣信息進行提取。

保存csv文件

前面將爬取的數據添加到列表中，這里引入csv庫，利用f_csv.writerow(header)和f_csv.writerows(data)方法，分別寫入表頭和每一行的數據，這里將1天和未來14天的數據分開存儲，分別保存為weather1.csv和weather14.csv，下面是他們保存的表格圖：

2.可視化分析

當天溫度變化曲線圖

采用matplotlib中plt.plot()方法繪制出一天24小時的溫度變化曲線，并用plt.text()方法點出最高溫和最低溫，并畫出平均溫度線，下圖為溫度變化曲線圖：(代碼見附錄)

分析可以發現這一天最高溫度為33℃，最低溫度為28℃，并且平均溫度在20.4℃左右，通過對時間分析，發現晝夜溫差5℃，低溫分布在凌晨，高溫分布在中午到下午的時間段。

當天相對濕度變化曲線圖

采用matplotlib中plt.plot()方法繪制出一天24小時的濕度變化曲線，并畫出平均相對濕度線，下圖為濕度變化曲線圖：(代碼見附錄)

分析可以發現這一天最高相對濕度為86%，最低相對濕度為58℃，并且平均相對濕度在75%左右，通過對時間分析，清晨的濕度比較大，而下午至黃昏濕度較小。

溫濕度相關性分析圖

經過前面兩個圖的分析我們可以感覺到溫度和濕度之間是有關系的，為了更加清楚直觀地感受這種關系，使用plt.scatter()方法將溫度為橫坐標、濕度為縱坐標，每個時刻的點在圖中點出來，并且計算相關系數，下圖為結果圖：

分析可以發現一天的溫度和濕度具有強烈的相關性，他們呈負相關，這就說明他們時間是負相關關系，并且進一步分析，當溫度較低時，空氣中水分含量較多，濕度自然較高，而溫度較高時，水分蒸發，空氣就比較干燥，濕度較低，符合平時氣候現象。

空氣質量指數柱狀圖

空氣質量指數AQI是定量描述空氣質量狀況的指數，其數值越大說明空氣污染狀況越重，對人體健康的危害也就越大。一般將空氣質量指數分為6個等級，等級越高說明污染越嚴重，下面使用plt.bar方法對一天24小時的空氣質量進行了柱狀圖繪制，并且根據6個等級的不同，相應的柱狀圖的顏色也從淺到深，也表明污染逐步加重，更直觀的顯示污染情況，并且也將最高和最低的空氣質量指數標出，用虛線畫出平均的空氣質量指數，下圖是繪制結果圖：

上面這張是南方珠海的控制質量圖，可以看出空氣質量指數最大也是在健康范圍，說明珠海空氣非常好，分析可以發現這一天最高空氣質量指數達到了35，最低則只有14，并且平均在25左右，通過時間也可以發現，基本在清晨的時候是空氣最好的時候（4-9點），在下午是空氣污染最嚴重的時候，所以清晨一般可以去外面呼吸新鮮的空氣，那時污染最小。

而下面這個空氣質量圖是選取的北方的一個城市，可以看到這里的環境遠遠比不上珠海。

風向風級雷達圖

統計一天的風力和風向，由于風力風向使用極坐標的方式展現較好，所以這里采用的是極坐標的方式展現一天的風力風向圖，將圓分為8份，每一份代表一個風向，半徑代表平均風力，并且隨著風級增高，藍色加深，最后結果如下所示：

分析可以發現這一天西南風最多，平均風級達到了1.75級，東北風也有小部分1.0級，其余空白方向無來風。

未來14天高低溫變化曲線圖

統計未來14天的高低溫度變化，并繪制出他們的變化曲線圖，分別用虛線將他們的平均氣溫線繪制出來，最后結果如下所示：

分析可以發現未來14天高溫平均氣溫為30.5℃，溫度還是比較高，但是未來的第8天有降溫，需要做好降溫準備，低溫前面處于平穩趨勢，等到第8天開始下降，伴隨著高溫也下降，整體溫度下降，低溫平均在27℃左右。

未來14天風向風級雷達圖

統計未來14天的風向和平均風力，并和前面一樣采用極坐標形式，將圓周分為8個部分，代表8個方向，顏色越深代表風級越高，最后結果如下所示：

分析可以發現未來14天東南風、西南風所占主要風向，風級最高達到了5級，最低的西風平均風級也有3級。

未來14天氣候分布餅圖

統計未來14天的氣候，并求每個氣候的總天數，最后將各個氣候的餅圖繪制出來，結果如下所示：

分析可以發現未來14天氣候基本是“雨”、“陰轉雨”和“陣雨”，下雨的天數較多,結合前面的氣溫分布圖可以看出在第8-9天氣溫高溫下降，可以推測當天下雨，導致氣溫下降。

3、結論

1.首先根據爬取的溫濕度數據進行的分析，溫度從早上低到中午高再到晚上低，濕度和溫度的趨勢相反，通過相關系數發現溫度和濕度有強烈的負相關關系，經查閱資料發現因為隨著溫度升高水蒸汽蒸發加劇，空氣中水分降低濕度降低。當然，濕度同時受氣壓和雨水的影響，下雨濕度會明顯增高。

2.經查閱資料空氣質量不僅跟工廠、汽車等排放的煙氣、廢氣等有關，更為重要的是與氣象因素有關。由于晝夜溫差明顯變化，當地面溫度高于高空溫度時，空氣上升，污染物易被帶到高空擴散；當地面溫度低于一定高度的溫度時，天空形成逆溫層，它像一個大蓋子一樣壓在地面上空，使地表空氣中各種污染物不易擴散。一般在晚間和清晨影響較大，而當太陽出來后，地面迅速升溫，逆溫層就會逐漸消散，于是污染空氣也就擴散了。

3.風是由氣壓在水平方向分布的不均勻導致的。風受大氣環流、地形、水域等不同因素的綜合影響，表現形式多種多樣，如季風、地方性的海陸風、山谷風等，一天的風向也有不同的變化，根據未來14天的風向雷達圖可以發現未來所有風向基本都有涉及，并且沒有特別的某個風向，原因可能是近期沒有降水和氣文變化不大，導致風向也沒有太大的變化規律。

4.天氣是指某一個地區距離地表較近的大氣層在短時間內的具體狀態。跟某瞬時內大氣中各種氣象要素分布的綜合表現。根據未來14天的天氣和溫度變化可以大致推斷出某個時間的氣候，天氣和溫度之間也是有聯系的。

4、代碼框架

代碼主要分為weather.py：對中國天氣網進行爬取天氣數據并保存csv文件；data1_analysis.py：對當天的天氣信息進行可視化處理；data14_analysis.py：對未來14天的天氣信息進行可視化處理。下面是代碼的結構圖：

附源代碼?

weather.py

#?weather.py
import?requests
from?bs4?import?BeautifulSoup
import?csv
import?json
def?getHTMLtext(url):?????"""請求獲得網頁內容"""try:?????????r?=?requests.get(url,?timeout?=?30)?????????r.raise_for_status()?????????r.encoding?=?r.apparent_encoding?????????print("成功訪問")?????????return?r.text?????except:?????????print("訪問錯誤")?????????return"?"?def?get_content(html):"""處理得到有用信息保存數據文件"""final?=?[]??????????#?初始化一個列表保存數據bs?=?BeautifulSoup(html,?"html.parser")??#?創建BeautifulSoup對象body?=?bs.bodydata?=?body.find('div',?{<!--?-->'id':?'7d'})????#?找到div標簽且id?=?7d#?下面爬取當天的數據data2?=?body.find_all('div',{<!--?-->'class':'left-div'})text?=?data2[2].find('script').string??text?=?text[text.index('=')+1?:-2]???#?移除改var?data=將其變為json數據jd?=?json.loads(text)dayone?=?jd['od']['od2']?????#?找到當天的數據final_day?=?[]???????????#?存放當天的數據count?=?0for?i?in?dayone:temp?=?[]if?count?&lt;=23:temp.append(i['od21'])?????#?添加時間temp.append(i['od22'])?????#?添加當前時刻溫度temp.append(i['od24'])?????#?添加當前時刻風力方向temp.append(i['od25'])?????#?添加當前時刻風級temp.append(i['od26'])?????#?添加當前時刻降水量temp.append(i['od27'])?????#?添加當前時刻相對濕度temp.append(i['od28'])?????#?添加當前時刻控制質量#print(temp)final_day.append(temp)count?=?count?+1#?下面爬取7天的數據?ul?=?data.find('ul')??????#?找到所有的ul標簽li?=?ul.find_all('li')??????#?找到左右的li標簽i?=?0?????#?控制爬取的天數for?day?in?li:??????????#?遍歷找到的每一個liif?i?&lt;?7?and?i?&gt;?0:temp?=?[]??????????#?臨時存放每天的數據date?=?day.find('h1').string?????#?得到日期date?=?date[0:date.index('日')]???#?取出日期號temp.append(date)????????????inf?=?day.find_all('p')??????#?找出li下面的p標簽,提取第一個p標簽的值，即天氣temp.append(inf[0].string)tem_low?=?inf[1].find('i').string???#?找到最低氣溫if?inf[1].find('span')?is?None:???#?天氣預報可能沒有最高氣溫tem_high?=?Noneelse:tem_high?=?inf[1].find('span').string??#?找到最高氣溫temp.append(tem_low[:-1])if?tem_high[-1]?==?'℃':temp.append(tem_high[:-1])else:temp.append(tem_high)wind?=?inf[2].find_all('span')??#?找到風向for?j?in?wind:temp.append(j['title'])wind_scale?=?inf[2].find('i').string?#?找到風級index1?=?wind_scale.index('級')temp.append(int(wind_scale[index1-1:index1]))final.append(temp)i?=?i?+?1return?final_day,final#print(final)????
def?get_content2(html):"""處理得到有用信息保存數據文件"""final?=?[]????????????????#?初始化一個列表保存數據bs?=?BeautifulSoup(html,?"html.parser")????????#?創建BeautifulSoup對象body?=?bs.bodydata?=?body.find('div',?{<!--?-->'id':?'15d'})??????????#?找到div標簽且id?=?15dul?=?data.find('ul')????????????#?找到所有的ul標簽li?=?ul.find_all('li')????????????#?找到左右的li標簽final?=?[]i?=?0?????????????????#?控制爬取的天數for?day?in?li:???????????????#?遍歷找到的每一個liif?i?&lt;?8:temp?=?[]???????????????#?臨時存放每天的數據date?=?day.find('span',{<!--?-->'class':'time'}).string????#?得到日期date?=?date[date.index('（')+1:-2]????????#?取出日期號temp.append(date)??weather?=?day.find('span',{<!--?-->'class':'wea'}).string????#?找到天氣temp.append(weather)tem?=?day.find('span',{<!--?-->'class':'tem'}).text??????#?找到溫度temp.append(tem[tem.index('/')+1:-1])?????#?找到最低氣溫temp.append(tem[:tem.index('/')-1])??????#?找到最高氣溫wind?=?day.find('span',{<!--?-->'class':'wind'}).string????#?找到風向if?'轉'?in?wind:???????????#?如果有風向變化temp.append(wind[:wind.index('轉')])temp.append(wind[wind.index('轉')+1:])else:?????????????#?如果沒有風向變化，前后風向一致temp.append(wind)temp.append(wind)wind_scale?=?day.find('span',{<!--?-->'class':'wind1'}).string????#?找到風級index1?=?wind_scale.index('級')temp.append(int(wind_scale[index1-1:index1]))final.append(temp)return?finaldef?write_to_csv(file_name,?data,?day=14):"""保存為csv文件"""with?open(file_name,?'a',?errors='ignore',?newline='')?as?f:if?day?==?14:header?=?['日期','天氣','最低氣溫','最高氣溫','風向1','風向2','風級']else:header?=?['小時','溫度','風力方向','風級','降水量','相對濕度','空氣質量']f_csv?=?csv.writer(f)f_csv.writerow(header)f_csv.writerows(data)def?main():"""主函數"""print("Weather?test")#?珠海url1?=?'http://www.weather.com.cn/weather/101280701.shtml'????#?7天天氣中國天氣網url2?=?'http://www.weather.com.cn/weather15d/101280701.shtml'?#?8-15天天氣中國天氣網html1?=?getHTMLtext(url1)data1,?data1_7?=?get_content(html1)??#?獲得1-7天和當天的數據html2?=?getHTMLtext(url2)data8_14?=?get_content2(html2)???#?獲得8-14天數據data14?=?data1_7?+?data8_14#print(data)write_to_csv('weather14.csv',data14,14)?#?保存為csv文件write_to_csv('weather1.csv',data1,1)if?__name__?==?'__main__':main()

data1_analysis.py:

#?data1_analysis.py
import?matplotlib.pyplot?as?plt
import?numpy?as?np
import?pandas?as?pd
import?math
def?tem_curve(data):"""溫度曲線繪制"""hour?=?list(data['小時'])tem?=?list(data['溫度'])for?i?in?range(0,24):if?math.isnan(tem[i])?==?True:tem[i]?=?tem[i-1]tem_ave?=?sum(tem)/24?????#?求平均溫度?tem_max?=?max(tem)????tem_max_hour?=?hour[tem.index(tem_max)]?#?求最高溫度tem_min?=?min(tem)tem_min_hour?=?hour[tem.index(tem_min)]?#?求最低溫度x?=?[]y?=?[]for?i?in?range(0,?24):x.append(i)y.append(tem[hour.index(i)])plt.figure(1)plt.plot(x,y,color='red',label='溫度')???????#?畫出溫度曲線plt.scatter(x,y,color='red')???#?點出每個時刻的溫度點plt.plot([0,?24],?[tem_ave,?tem_ave],?c='blue',?linestyle='--',label='平均溫度')??#?畫出平均溫度虛線plt.text(tem_max_hour+0.15,?tem_max+0.15,?str(tem_max),?ha='center',?va='bottom',?fontsize=10.5)??#?標出最高溫度plt.text(tem_min_hour+0.15,?tem_min+0.15,?str(tem_min),?ha='center',?va='bottom',?fontsize=10.5)??#?標出最低溫度plt.xticks(x)plt.legend()plt.title('一天溫度變化曲線圖')plt.xlabel('時間/h')plt.ylabel('攝氏度/℃')plt.show()def?hum_curve(data):"""相對濕度曲線繪制"""hour?=?list(data['小時'])hum?=?list(data['相對濕度'])for?i?in?range(0,24):if?math.isnan(hum[i])?==?True:hum[i]?=?hum[i-1]hum_ave?=?sum(hum)/24?????#?求平均相對濕度?hum_max?=?max(hum)????hum_max_hour?=?hour[hum.index(hum_max)]?#?求最高相對濕度hum_min?=?min(hum)hum_min_hour?=?hour[hum.index(hum_min)]?#?求最低相對濕度x?=?[]y?=?[]for?i?in?range(0,?24):x.append(i)y.append(hum[hour.index(i)])plt.figure(2)plt.plot(x,y,color='blue',label='相對濕度')???????#?畫出相對濕度曲線plt.scatter(x,y,color='blue')???#?點出每個時刻的相對濕度plt.plot([0,?24],?[hum_ave,?hum_ave],?c='red',?linestyle='--',label='平均相對濕度')??#?畫出平均相對濕度虛線plt.text(hum_max_hour+0.15,?hum_max+0.15,?str(hum_max),?ha='center',?va='bottom',?fontsize=10.5)??#?標出最高相對濕度plt.text(hum_min_hour+0.15,?hum_min+0.15,?str(hum_min),?ha='center',?va='bottom',?fontsize=10.5)??#?標出最低相對濕度plt.xticks(x)plt.legend()plt.title('一天相對濕度變化曲線圖')plt.xlabel('時間/h')plt.ylabel('百分比/%')plt.show()def?air_curve(data):"""空氣質量曲線繪制"""hour?=?list(data['小時'])air?=?list(data['空氣質量'])print(type(air[0]))for?i?in?range(0,24):if?math.isnan(air[i])?==?True:air[i]?=?air[i-1]air_ave?=?sum(air)/24?????#?求平均空氣質量?air_max?=?max(air)????air_max_hour?=?hour[air.index(air_max)]?#?求最高空氣質量air_min?=?min(air)air_min_hour?=?hour[air.index(air_min)]?#?求最低空氣質量x?=?[]y?=?[]for?i?in?range(0,?24):x.append(i)y.append(air[hour.index(i)])plt.figure(3)for?i?in?range(0,24):if?y[i]?&lt;=?50:plt.bar(x[i],y[i],color='lightgreen',width=0.7)??#?1等級elif?y[i]?&lt;=?100:plt.bar(x[i],y[i],color='wheat',width=0.7)???#?2等級elif?y[i]?&lt;=?150:plt.bar(x[i],y[i],color='orange',width=0.7)???#?3等級elif?y[i]?&lt;=?200:plt.bar(x[i],y[i],color='orangered',width=0.7)??#?4等級elif?y[i]?&lt;=?300:plt.bar(x[i],y[i],color='darkviolet',width=0.7)??#?5等級elif?y[i]?&gt;?300:plt.bar(x[i],y[i],color='maroon',width=0.7)???#?6等級plt.plot([0,?24],?[air_ave,?air_ave],?c='black',?linestyle='--')??#?畫出平均空氣質量虛線plt.text(air_max_hour+0.15,?air_max+0.15,?str(air_max),?ha='center',?va='bottom',?fontsize=10.5)??#?標出最高空氣質量plt.text(air_min_hour+0.15,?air_min+0.15,?str(air_min),?ha='center',?va='bottom',?fontsize=10.5)??#?標出最低空氣質量plt.xticks(x)plt.title('一天空氣質量變化曲線圖')plt.xlabel('時間/h')plt.ylabel('空氣質量指數AQI')plt.show()def?wind_radar(data):"""風向雷達圖"""wind?=?list(data['風力方向'])wind_speed?=?list(data['風級'])for?i?in?range(0,24):if?wind[i]?==?"北風":wind[i]?=?90elif?wind[i]?==?"南風":wind[i]?=?270elif?wind[i]?==?"西風":wind[i]?=?180elif?wind[i]?==?"東風":wind[i]?=?360elif?wind[i]?==?"東北風":wind[i]?=?45elif?wind[i]?==?"西北風":wind[i]?=?135elif?wind[i]?==?"西南風":wind[i]?=?225elif?wind[i]?==?"東南風":wind[i]?=?315degs?=?np.arange(45,361,45)temp?=?[]for?deg?in?degs:speed?=?[]#?獲取?wind_deg?在指定范圍的風速平均值數據for?i?in?range(0,24):if?wind[i]?==?deg:speed.append(wind_speed[i])if?len(speed)?==?0:temp.append(0)else:temp.append(sum(speed)/len(speed))print(temp)N?=?8theta?=?np.arange(0.+np.pi/8,2*np.pi+np.pi/8,2*np.pi/8)#?數據極徑radii?=?np.array(temp)#?繪制極區圖坐標系plt.axes(polar=True)#?定義每個扇區的RGB值（R,G,B），x越大，對應的顏色越接近藍色colors?=?[(1-x/max(temp),?1-x/max(temp),0.6)?for?x?in?radii]plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors)plt.title('一天風級圖',x=0.2,fontsize=20)plt.show()def?calc_corr(a,?b):"""計算相關系數"""a_avg?=?sum(a)/len(a)b_avg?=?sum(b)/len(b)cov_ab?=?sum([(x?-?a_avg)*(y?-?b_avg)?for?x,y?in?zip(a,?b)])sq?=?math.sqrt(sum([(x?-?a_avg)**2?for?x?in?a])*sum([(x?-?b_avg)**2?for?x?in?b]))?corr_factor?=?cov_ab/sqreturn?corr_factordef?corr_tem_hum(data):"""溫濕度相關性分析"""tem?=?data['溫度']hum?=?data['相對濕度']plt.scatter(tem,hum,color='blue')plt.title("溫濕度相關性分析圖")plt.xlabel("溫度/℃")plt.ylabel("相對濕度/%")plt.text(20,40,"相關系數為："+str(calc_corr(tem,hum)),fontdict={<!--?-->'size':'10','color':'red'})plt.show()print("相關系數為："+str(calc_corr(tem,hum)))def?main():plt.rcParams['font.sans-serif']=['SimHei']?#?解決中文顯示問題plt.rcParams['axes.unicode_minus']?=?False??#?解決負號顯示問題data1?=?pd.read_csv('weather1.csv',encoding='gb2312')print(data1)tem_curve(data1)hum_curve(data1)air_curve(data1)wind_radar(data1)corr_tem_hum(data1)
if?__name__?==?'__main__':main()

data14_analysis.py:

#?data14_analysis.py
import?matplotlib.pyplot?as?plt
import?numpy?as?np
import?pandas?as?pd
import?mathdef?tem_curve(data):"""溫度曲線繪制"""date?=?list(data['日期'])tem_low?=?list(data['最低氣溫'])tem_high?=?list(data['最高氣溫'])for?i?in?range(0,14):if?math.isnan(tem_low[i])?==?True:tem_low[i]?=?tem_low[i-1]if?math.isnan(tem_high[i])?==?True:tem_high[i]?=?tem_high[i-1]tem_high_ave?=?sum(tem_high)/14?????#?求平均高溫?tem_low_ave?=?sum(tem_low)/14?????#?求平均低溫?tem_max?=?max(tem_high)????tem_max_date?=?tem_high.index(tem_max)???#?求最高溫度tem_min?=?min(tem_low)tem_min_date?=?tem_low.index(tem_min)???#?求最低溫度x?=?range(1,15)plt.figure(1)plt.plot(x,tem_high,color='red',label='高溫')????#?畫出高溫度曲線plt.scatter(x,tem_high,color='red')?????#?點出每個時刻的溫度點plt.plot(x,tem_low,color='blue',label='低溫')????#?畫出低溫度曲線plt.scatter(x,tem_low,color='blue')?????#?點出每個時刻的溫度點plt.plot([1,?15],?[tem_high_ave,?tem_high_ave],?c='black',?linestyle='--')??#?畫出平均溫度虛線plt.plot([1,?15],?[tem_low_ave,?tem_low_ave],?c='black',?linestyle='--')??#?畫出平均溫度虛線plt.legend()plt.text(tem_max_date+0.15,?tem_max+0.15,?str(tem_max),?ha='center',?va='bottom',?fontsize=10.5)??#?標出最高溫度plt.text(tem_min_date+0.15,?tem_min+0.15,?str(tem_min),?ha='center',?va='bottom',?fontsize=10.5)??#?標出最低溫度plt.xticks(x)plt.title('未來14天高溫低溫變化曲線圖')plt.xlabel('未來天數/天')plt.ylabel('攝氏度/℃')plt.show()
def?change_wind(wind):"""改變風向"""for?i?in?range(0,14):if?wind[i]?==?"北風":wind[i]?=?90elif?wind[i]?==?"南風":wind[i]?=?270elif?wind[i]?==?"西風":wind[i]?=?180elif?wind[i]?==?"東風":wind[i]?=?360elif?wind[i]?==?"東北風":wind[i]?=?45elif?wind[i]?==?"西北風":wind[i]?=?135elif?wind[i]?==?"西南風":wind[i]?=?225elif?wind[i]?==?"東南風":wind[i]?=?315return?winddef?wind_radar(data):"""風向雷達圖"""wind1?=?list(data['風向1'])wind2?=?list(data['風向2'])wind_speed?=?list(data['風級'])wind1?=?change_wind(wind1)wind2?=?change_wind(wind2)degs?=?np.arange(45,361,45)temp?=?[]for?deg?in?degs:speed?=?[]#?獲取?wind_deg?在指定范圍的風速平均值數據for?i?in?range(0,14):if?wind1[i]?==?deg:speed.append(wind_speed[i])if?wind2[i]?==?deg:speed.append(wind_speed[i])if?len(speed)?==?0:temp.append(0)else:temp.append(sum(speed)/len(speed))print(temp)N?=?8theta?=?np.arange(0.+np.pi/8,2*np.pi+np.pi/8,2*np.pi/8)#?數據極徑radii?=?np.array(temp)#?繪制極區圖坐標系plt.axes(polar=True)#?定義每個扇區的RGB值（R,G,B），x越大，對應的顏色越接近藍色colors?=?[(1-x/max(temp),?1-x/max(temp),0.6)?for?x?in?radii]plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors)plt.title('未來14天風級圖',x=0.2,fontsize=20)plt.show()def?weather_pie(data):"""繪制天氣餅圖"""weather?=?list(data['天氣'])dic_wea?=?{<!--?-->?}for?i?in?range(0,14):if?weather[i]?in?dic_wea.keys():dic_wea[weather[i]]?+=?1else:dic_wea[weather[i]]?=?1print(dic_wea)explode=[0.01]*len(dic_wea.keys())color?=?['lightskyblue','silver','yellow','salmon','grey','lime','gold','red','green','pink']plt.pie(dic_wea.values(),explode=explode,labels=dic_wea.keys(),autopct='%1.1f%%',colors=color)plt.title('未來14天氣候分布餅圖')plt.show()def?main():plt.rcParams['font.sans-serif']=['SimHei']?#?解決中文顯示問題plt.rcParams['axes.unicode_minus']?=?False??#?解決負號顯示問題data14?=?pd.read_csv('weather14.csv',encoding='gb2312')print(data14)tem_curve(data14)wind_radar(data14)weather_pie(data14)if?__name__?==?'__main__':main()