python如何采集天气数据并做数据可视化操作呢？

　　小编写这篇文章的主要目的，主要是给大家去做出一个解答，解答的是关于python的一些事情，解答的内容包括如何使用python去进行采集，采集的内容主要是天气数据，但是数据内容还是比较的多的，采集完成之后，怎么去做可视化操作呢？下面给大家解答。

　　前言

　　最近天气好像有了点小脾气，总是在万分晴朗得时候耍点小性子~

　　阴会天，下上一会的雨~提醒我们时刻记得带伞哦，不然会被雨淋或者被太阳公公晒到????

　　那么今天我就来分享一下采集天气数据并做数据可视化的代码吧~

　　知识点:

　　动态数据抓包

　　requests发送请求

　　结构化+非结构化数据解析

　　开发环境:

　　python 3.8运行代码

　　pycharm 2021.2辅助敲代码

　　requests

　　如果安装python第三方模块:

　　win+R输入cmd点击确定,输入安装命令pip install模块名(pip install requests)回车

　　在pycharm中点击Terminal(终端)输入安装命令

　　代码实现:

　　发送请求

　　获取数据

　　解析数据

　　保存数据

　　采集天气数据代码

　　导入模块

　　import requests#第三方模块提前安装发送请求(Python里面浏览器)爆红是因为你没有安装模块
　　#如果安装了但还是爆红是因为什么呢?解释器在pycharm里面配置的不对
　　import parsel
　　import csv
　　#翻译插件

　　with open('天气.csv',mode='a',encoding='utf-8',newline='')as f:
　　csv_writer=csv.writer(f)
　　csv_writer.writerow(["日期","最高温度","最低温度","天气","风向","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.发送请求

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

　　2.获取数据

　　#json数据传输格式
　　json_data=response.json()

　　#字典类型数据

　　3.解析数据

　　#结构化数据解析
　　html_data=json_data['data']
　　selector=parsel.Selector(html_data)
　　#正则css xpath json字典数据解析
　　tr_list=selector.css('.history-table tr')
　　#tr_list[1:]从列表的第二个元素开始取
　　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("广州")
　　elif city==59493:
　　td.append("深圳")
　　print(td)
　　#文件名写入方式追加写入编码方式utf-8数据空行
　　with open('天气.csv',mode='a',encoding='utf-8',newline='')as f:
　　csv_writer=csv.writer(f)
　　csv_writer.writerow(td)

　　数据分析代码

　　导入包

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

　　读入数据

　　data=pd.read_csv('天气.csv')
　　data

　　数据预览

　　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[['最高温度','最低温度']]=data[['最高温度','最低温度']].apply(lambda x:x.str.replace('°',''))
　　data.head()

　　计算下雪天气

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

　　分割日期时间

　　data['日期']=pd.to_datetime(data['日期'])
　　data[['最高温度','最低温度']]=data[['最高温度','最低温度']].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
　　#预览
　　data.sample(5)

　　各城市初雪的时间

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

　　各城市下雪天气分布

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

　　做透视表

　　data_bj=data[(data['年份']==2021)&(data['城市']=='北京')]
　　data_bj=data_bj.groupby(['月份','天气'],as_index=False)['日期'].count()
　　data_pivot=pd.pivot(data_bj,
　　values='日期',
　　index='月份',
　　columns='天气')
　　data_pivot=data_pivot.astype('float')
　　#按照索引年月倒序排序
　　data_pivot.sort_index(ascending=False,inplace=True)
　　#资料、解答、教程可加Q：261823976免费领
　　data_pivot

　　北上广深2021年10月份天气热力图分布

　　import matplotlib.pyplot as plt
　　import matplotlib.colors as mcolors
　　import seaborn as sns
　　#设置全局默认字体为雅黑
　　plt.rcParams['font.family']=['Microsoft YaHei']
　　#设置全局轴标签字典大小
　　plt.rcParams["axes.labelsize"]=14
　　#设置背景
　　sns.set_style("darkgrid",{"font.family":['Microsoft YaHei','SimHei']})
　　#设置画布长宽和dpi
　　plt.figure(figsize=(18,8),dpi=100)
　　#自定义色卡
　　cmap=mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216'])
　　#绘制热力图
　　ax=sns.heatmap(data_pivot,cmap=cmap,vmax=30,
　　annot=True,#热力图上显示数值
　　linewidths=0.5,
　　)
　　#将x轴刻度放在最上面
　　ax.xaxis.set_ticks_position('top')
　　plt.title('北京最近10个月天气分布',fontsize=16)#图片标题文本和字体大小
　　plt.show()
　　data_gz=data[(data['年份']==2021)&(data['城市']=='广州')]
　　data_gz=data_gz.groupby(['月份','天气'],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','天气'],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','天气'],as_index=False)['日期'].count()
　　data_pivot_sz=pd.pivot(data_sz,
　　values='日期',
　　index='月份',
　　columns='天气')
　　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)
　　#设置全局默认字体为雅黑
　　plt.rcParams['font.family']=['Microsoft YaHei']
　　#设置全局轴标签字典大小
　　plt.rcParams["axes.labelsize"]=14
　　#设置背景
　　sns.set_style("darkgrid",{"font.family":['Microsoft YaHei','SimHei']})
　　#设置画布长宽和dpi
　　plt.figure(figsize=(18,8),dpi=100)
　　#自定义色卡
　　cmap=mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216'])
　　#绘制热力图
　　ax_sz=sns.heatmap(data_pivot_sz,cmap=cmap,vmax=31,
　　annot=True,#热力图上显示数值
　　linewidths=0.5,
　　)
　　#将x轴刻度放在最上面
　　ax_sz.xaxis.set_ticks_position('top')
　　plt.title('深圳最近10个月天气分布',fontsize=16)#图片标题文本和字体大小
　　plt.show()
　　data_pivot_gz=pd.pivot(data_gz,
　　values='日期',
　　index='月份',
　　columns='天气')
　　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)
　　#设置全局默认字体为雅黑
　　plt.rcParams['font.family']=['Microsoft YaHei']
　　#设置全局轴标签字典大小
　　plt.rcParams["axes.labelsize"]=14
　　#设置背景
　　sns.set_style("darkgrid",{"font.family":['Microsoft YaHei','SimHei']})
　　#设置画布长宽和dpi
　　plt.figure(figsize=(18,8),dpi=100)
　　#自定义色卡
　　cmap=mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216'])
　　#绘制热力图
　　ax_sz=sns.heatmap(data_pivot_gz,cmap=cmap,vmax=31,
　　annot=True,#热力图上显示数值
　　linewidths=0.5,
　　)
　　#将x轴刻度放在最上面
　　ax_sz.xaxis.set_ticks_position('top')
　　plt.title('广州最近10个月天气分布',fontsize=16)#图片标题文本和字体大小
　　plt.show()
　　#资料、解答、教程可加Q：261823976免费领
　　data_pivot_sh=pd.pivot(data_sh,
　　values='日期',
　　index='月份',
　　columns='天气')
　　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)
　　#设置全局默认字体为雅黑
　　plt.rcParams['font.family']=['Microsoft YaHei']
　　#设置全局轴标签字典大小
　　plt.rcParams["axes.labelsize"]=14
　　#设置背景
　　sns.set_style("darkgrid",{"font.family":['Microsoft YaHei','SimHei']})
　　#设置画布长宽和dpi
　　plt.figure(figsize=(18,8),dpi=100)
　　#自定义色卡
　　cmap=mcolors.LinearSegmentedColormap.from_list("n",['#95B359','#D3CF63','#E0991D','#D96161','#A257D0','#7B1216'])
　　#绘制热力图
　　ax_sz=sns.heatmap(data_pivot_sh,cmap=cmap,vmax=31,
　　annot=True,#热力图上显示数值
　　linewidths=0.5,
　　)
　　#将x轴刻度放在最上面
　　ax_sz.xaxis.set_ticks_position('top')
　　plt.title('上海最近10个月天气分布',fontsize=16)#图片标题文本和字体大小
　　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年每日最高最低温度变化

　　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['最高温度'])<i>
　　coordx=list(data_bj['日期'])<i>
　　coordy_low=list(data_bj['最低温度'])<i>
　　x_max=list(data_bj['日期'])<i>+datetime.timedelta(days=10)
　　y_max=int(max(list(data_bj['最高温度'])[0:i+1]))+3
　　y_min=int(min(list(data_bj['最低温度'])[0:i+1]))-3
　　title_date=list(data_bj['日期'])<i>.strftime('%Y-%m-%d')
　　c=(
　　Line(
　　init_opts=opts.InitOpts(
　　theme='dark',
　　#设置动画
　　animation_opts=opts.AnimationOpts(animation_delay_update=800),#(animation_delay=1000,animation_easing="elasticOut"),
　　#设置宽度、高度
　　width='1500px',
　　height='900px',)
　　)
　　.add_xaxis(list(data_bj['日期'])[0:i])
　　.add_yaxis(
　　series_name="",
　　y_axis=list(data_bj['最高温度'])[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['最低温度'])[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年每日最高最低温度变化nn{}".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),#坐标轴颜色,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,#是否循环播放
　　width="780px",
　　pos_left='30px',
　　is_auto_play=True,#是否自动播放。
　　is_timeline_show=False)
　　tl.render_notebook()
　　#资料、解答、教程可加Q：261823976免费领
　　data_10=data[(data['年份']==2021)&(data['月份']==10)]
　　data_10.head()

        综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来更多帮助。