Python 爬取天气预报并进行可视化分析

Python 爬取天气预报并进行可视化分析

天气预报是很多人日常生活中非常关注的信息，而通过编程手段自动化获取天气数据，并进行可视化分析，不仅可以帮助我们更好地理解天气变化，还能提升我们的编程能力。本文将通过 Python 实现天气数据的爬取、处理和可视化。

一、环境准备

在开始之前，需要确保你的环境中安装了以下库：

pip install requests beautifulsoup4 matplotlib pandas

• requests：用于发送 HTTP 请求，以获取数据。
• beautifulsoup4：用于解析 HTML 页面。
• matplotlib：用于数据可视化。
• pandas：用于数据处理。

二、数据爬取

我们选择一个公开的天气预报网站，例如 “中国气象局” 或 “天气网”，在这里以“天气网”为例进行说明。我们将抓取某城市的天气预报数据。

以下是爬取天气数据的示例代码：

import requests
from bs4 import BeautifulSoup
import pandas as pd

def get_weather_data(city):
    # 替换成你需要请求的天气网站
    url = f'http://www.weather.com.cn/weather/{city}.shtml'
    response = requests.get(url)
    response.encoding = response.apparent_encoding  # 适应编码
    soup = BeautifulSoup(response.text, 'html.parser')

    weather_data = []

    # 获取未来几天的天气情况
    weather_items = soup.find_all('ul', class_='t clearfix')[0].find_all('li')
    for item in weather_items:
        date = item.find('h1').get_text()
        weather_type = item.find('p', class_='wea').get_text()
        temperature = item.find('p', class_='tem').get_text().replace('℃', '')
        weather_data.append({
            'date': date,
            'weather_type': weather_type,
            'temperature': int(temperature)  # 转换成整数
        })

    return pd.DataFrame(weather_data)

# 获取北京的天气数据
df = get_weather_data('101010100')  # 用城市的ID进行查询
print(df)

三、数据处理

在爬取完成后，我们需要进行必要的数据清洗和处理，以便后续分析和可视化。

# 清洗数据
df['temperature'] = pd.to_numeric(df['temperature'], errors='coerce')  # 转换为数值型
df.dropna(inplace=True)  # 删除缺失值

四、数据可视化

使用 matplotlib 对天气数据进行简单的可视化，展示未来几天的温度变化。

import matplotlib.pyplot as plt

def plot_weather(df):
    plt.figure(figsize=(10, 5))
    plt.plot(df['date'], df['temperature'], marker='o', linestyle='-', color='b')
    plt.title('未来几天气温变化')
    plt.xlabel('日期')
    plt.ylabel('温度 (℃)')
    plt.grid()
    plt.xticks(rotation=45)  # 旋转日期标签，以便更好显示
    plt.tight_layout()
    plt.show()

# 绘制天气变化图
plot_weather(df)

五、总结

通过以上步骤，我们实现了使用 Python 爬取天气预报数据，并对数据进行了可视化分析。这样的方法可以帮助个人在不同场景下获取和理解天气信息，灵活运用爬虫和数据分析的技能。

我们可以将爬取的数据持续更新，结合数据分析，预测天气变化趋势，这在不同领域都是十分有用的技能。希望这篇文章能够给你带来灵感，激发你在数据爬取和可视化分析方面的探索欲望！