Python+Pyecharts天气预报可视化!

天气json解析_Python+Pyecharts天气预报可视化! 今天是9月4日了,离一年一度的中秋节只剩下一周的时间了,提前祝大家中秋佳节快乐,另外可怕的是好像自己的觉都没有睡醒,而2019年就悄悄的只剩下三分之一了,即将进入的Q4季度,相比刚刚过去的炎炎夏日,秋天还是非常值得期待的,不仅庄稼收获满满,气温也是非常凉爽的,对于小编所在的宁夏地区来说,秋天的早晚温差还是很大,今天利用Python爬虫技术+Pyecharts可视化工具为大家呈现西北主要城市最近五天... 阅读详情

今天是9月4日了,离一年一度的中秋节只剩下一周的时间了,提前祝大家中秋佳节快乐,另外可怕的是好像自己的觉都没有睡醒,而2019年就悄悄的只剩下三分之一了,即将进入的Q4季度,相比刚刚过去的炎炎夏日,秋天还是非常值得期待的,不仅庄稼收获满满,气温也是非常凉爽的,对于小编所在的宁夏地区来说,秋天的早晚温差还是很大,今天利用Python爬虫技术+Pyecharts可视化工具为大家呈现西北主要城市最近五天内的天气预报,只有了解了天气,再也不用担心妈妈喊你穿秋裤啦~~~

Python资源共享群:626017123

 

01

—

 

天气预报数据靠不靠谱儿?

 

数据来源:中华万年历API。

抓包中华万年历得到的接口(JSON):

① 通过城市名字获得天气数据,得到一个json数据:

http://wthrcdn.etouch.cn/weather_mini?city=北京

② 通过城市ID获得天气数据,得到一个json数据:

http://wthrcdn.etouch.cn/weather_mini?citykey=101010100

上述两种方式都是可以的。

小编特地对比了一下,从中华万年历获取到的天气数据和中国天气网(www.weather.com.cn)获得的天气数据是一致的。

数据样例如下:

 

 

 

 

 

该json数据中包含了城市昨天的天气数据、当天的天气数据以及未来四天的天气数据,数据详情包括:日期、最高气温、最低气温、风向、风力以及天气,那么按照城市解析这个json数据串就可以得到我们想要的数据了。

02

—

想偷懒?数据整理+清洗少不了

 

因全国城市太多,所以小编只整理了主要城市(省会+主要地级市)的信息,定向提取这些城市近六天的天气数据,从数据样例中看出:源数据是以json格式存储的,并且温度数据是字符串形式,例如:“高温 37℃”,实际上在可视化中,温度还是以数字为主,所以还是需要将抓取到数据中所有有关温度的字符串改为数字,这样有利于数据可视化。

下面我们分步进行:

  1. 第一步:抓取并解析json数据;
  •  
# 先导入数据解析所需要的数据包
# -*- coding: utf-8 -*-
import urllib.request
import json
import gzip
import numpy as np
import pandas as pd

此次源数据格式为json格式,相对比较简单,所以只需要导入python基础包就可以了。

  •  
# 数据源url,包括当天天气和未来四天的预报天气
    url = 'http://wthrcdn.etouch.cn/weather_mini?city=' + urllib.parse.quote(data.city_name[i])
    # 解析其中的天气气温数据    
    weather_data = urllib.request.urlopen(url).read()
    weather_data = gzip.decompress(weather_data).decode('utf-8')
    # 转化为json字符串
    weather_dict = json.loads(weather_data)
    
    if weather_dict.get('desc') == 'invilad-citykey':
        print('查询不到该城市天气信息'+data.city_name[i])
    elif weather_dict.get('desc') == 'OK':
        
        # 获取昨天的天气数据
        yesterday=weather_dict.get('data').get('yesterday')
        infod={'yesday':[yesterday.get('date')],
               'yeshigh':[yesterday.get('high')],
               'yeslow':[yesterday.get('low')],
               'yestype':[yesterday.get('type')]}
        infos=pd.DataFrame(infod)
        city_yesterdaydata=city_yesterdaydata.append(infos)
        # 获取城市名称
        infod={'city_name':[weather_dict.get('data').get('city')]}
        infos=pd.DataFrame(infod)
        city_name=city_name.append(infos)
        # 获取预测日期的天气数据
        forecast=weather_dict.get('data').get('forecast')
        infod={'curday':[forecast[0].get('date')],
               'curhigh':[forecast[0].get('high')],
               'curlow':[forecast[0].get('low')],
               'curtype':[forecast[0].get('type')],
               'oneday':[forecast[1].get('date')],
               'onehigh':[forecast[1].get('high')],
               'onelow':[forecast[1].get('low')],
               'onetype':[forecast[1].get('type')],
               'twoday':[forecast[2].get('date')],
               'twohigh':[forecast[2].get('high')],
               'twolow':[forecast[2].get('low')],
               'twotype':[forecast[2].get('type')],
               'theday':[forecast[3].get('date')],
               'thehigh':[forecast[3].get('high')],
               'thelow':[forecast[3].get('low')],
               'thetype':[forecast[3].get('type')],
               'forday':[forecast[4].get('date')],
               'forhigh':[forecast[4].get('high')],
               'forlow':[forecast[4].get('low')],
               'fortype':[forecast[4].get('type')]}
        infos=pd.DataFrame(infod)
        city_forecaet=city_forecaet.append(infos)
        
        # 合并上面提取好的数据
        city_info=pd.concat([city_name,city_yesterdaydata,city_forecaet],axis=1)
        city_infos=city_infos.append(city_info)

上面的部分代码是解析json源数据的,通过遍历即可获得所有想要城市近六天的天气信息。注意:提取城市为一般主要城市,例如省会或者是常听到的地级市,如果所在城市为自治州或者自治县等,有可能会提取失败。

提取的数据展示如下:

 

 

 

 

 

 

可以看到解析出来的数据中所有有关温度数据都包含“高温”、“低温”、“℃”这样的字符,实际上这样的字符是不需要的,那么可以通过下面的方式全部剔除掉:

  •  
# 清洗数据(替换高温,低温等其他无效字符)
city_infos.yeshigh=city_infos.yeshigh.apply(lambda x:x.replace('高温','')).apply(lambda x:x.replace('℃',''))
city_infos.yeslow=city_infos.yeslow.apply(lambda x:x.replace('低温','')).apply(lambda x:x.replace('℃',''))

这样数据就比较干净了,如下:

 

 

 

 

 

 

接下来就要对上述数据进行可视化展示了。

03

—

强大的Pyecharts可视化工具

由于在初次安装Python时是默认不安装Pyecharts包的,所以在利用Pyecharts数据可视化之前,先确保自己电脑上的Python环境安装了pyecharts工具包,如果没有安装,可以问度娘,相关的文章特别的多,安装过程其实也非常简单,这里就不再赘述了。

安装好之后,在python环境中导入相关的包:

  •  
from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.globals import ChartType, SymbolType
from pyecharts.render import make_snapshot
from snapshot_phantomjs import snapshot

那么接下来将获取到的数据用图的形式展示出来:

①全国主要城市今日最高气温分布

 

 

 

 

 

 

这张图其实是动态的,因小编尝试了好多次将动图保存为gif都失败了,所以这里贴上了静态图,以上是全国52个主要城市今日最高气温分布图,可以看到两个温度最高的城市分别是:重庆34°,桂林34°,华中华东以及整个华北地区的温度都在24-32°区间内,图中的那几个黄色点比较惹眼,可以看着那是我们的西北地区,青海、西藏和甘肃部分城市全天最高气温都还不到20°,这标识着全国城市中西北首先迈入凉爽的秋天。

②西北五省各城市明日最高最低气温分布图(面积图)

作为西北人,首先还是关注自己家乡的气温变化,这样就不用担心妈妈催着穿秋裤了,自觉还是很重要的。

 

 

 

 

 

这里我筛选了西北25个城市,可视化展示明日全天最高最低气温图,如上:可以看到西北火炉城市:吐鲁番,都已经是金秋送爽,丹桂飘香的季节了,全天气温最高还在37°,最低气温28°几乎很全部城市的最高气温持平,真的是名副其实的火焰山城市啊,另外还有其不相上下的哈密地区;西北城市中最凉爽TOP3:固原、平凉以及林芝,省会城市中西宁是真的凉爽,全天最高气温才21°,最近去青海湖游玩怕是要带厚秋裤了,还请大家自行准备,哈哈哈~

这里小编用面积图展示了西北五省主要城市最高最低温差,换一种方式再来展示一下子。

③西北五省各城市明日最高最低气温分布图(气泡图)

 

 

 

 

 

 

图中气泡大小表示温度的高低,气温越高气泡就越大,小编觉得相比面积图,气泡图相对更加直观一些。

 

04

—

动手才是实践的真理

深深的感触就是动手才是实践的真理,看了很多书但是不动手实践就是白搭,只有动手操作实现出来才能知道其中的坑在哪里,这样才能学以致用。 今天带领大家简单的 获取了主要城市未来六天的 天气预报数据 和 利用Pyecharts可视化展示, Pyecharts中有很多 很好玩的可视化 展示方法,各位 如若感兴趣的话 可以尝试一波。

爬虫天气数据并使用pyecharts可视化 pyecharts可视化 使用浏览器打开渲染后的 test.html 文件,如果是 则默认为 render.html拖拉/调整图表位置和大小,当调整到一个适合的布局时,点击左上方的 Save Config 按钮 下载 chart_config.json 配置文件,记住json文件的位置 注意: 请注释掉上面的的所有渲染代码,就是下面这些代码。因为 html 已经生成,并不需要再重新渲染一遍。... 阅读详情

相关推荐

Python案例实战:天气数据集爬取 + 多组可视化图表分析

导语 前几天出门去练车,刚好下午14:00,真真的是”锄禾日当午,汗滴禾下土“。 那要不是我意志力坚定,肯定弃车????而跑了,难道只有长沙这么高的温度。 我不服,我要看看其他地方的温度怎么样?咱们比上一比~~~ 今天小编就带大家爬取部分地区的温度并可视化,来,上数据!! 正文 环境安装部分: Python版本:3.6.4;PIL模块;requests模块;pyecharts模块;以及一些Python自带的模块。 模块安装: pip install +模块名 编程实现主要思路:

顾木子吖的博客 9715

python爬取天气数据并做可视化分析

基于python网络爬虫的历史天气数据采集并做可视化分析

m0_62428181的博客 1万+

爬取中国天气网的天气预报,可视化展示看着就是爽【python爬虫入门进阶】(06)

爬取天气,就是玩

码农飞哥 3218

小白学习Basemap气象画地图的第四天(省级温度分布)

小白学习Basemap气象画地图的第四天(省级温度分布) 经过四个案例的学习,有了很大的进步,感谢(公众号:气象学家) 这次画一个省级温度分布,原理和程序与之前的全国一样,这里就不多说了,可以看注释,shp文件的读取可以看上一个帖子,就是怕这里大家出问题: 上图 完整代码 from matplotlib.path import Path from matplotlib.patches import PathPatch import matplotlib.pyplot as plt import numpy

weixin_42372313的博客 2691

基于python的网络爬虫爬取天气数据及可视化分析(Matplotlib、sk-learn等,包括ppt,视频)

本文旨在利用Python编程语言实现天气数据信息的爬取和可视化分析。Python作为一种简单易学且功能强大的编程语言,被广泛应用于数据处理和分析领域。通过使用Python,我们可以方便地进行网页爬取和数据处理。详细介绍了如何使用Python编写网络爬虫程序来获取天气数据。

chen_5213的博客 2万+

天气预报 :天气数据集爬取 + 可视化 + 13种模型预测

前几天一直在研究 Python 爬虫技术,只为从互联网上获取数据集。 本文就是利用前几天学到的爬虫知识使用 Python 爬取天气数据集,并做的一期讨论日期与最低气温能是否是最高气温的影响因素,进而判断能否精确预测第二天的天气情况。 由于本文开始写作与5月9日,当天想预测第二天也就是5月10日的气温数据,但由于内容较多,到10日下午才写完。所以数据预测的内容有些“陈旧”,还请读者多多包涵。 目录 1 天气数据集爬取 2 数据可视化 3 模型预测数据 3.1 单变量线性回归 模型一:单变量线性回归模型 3.2 多变量线性回归 模型二:基于LinearRegression实现的多变量线性回归模型

从零开始学Python【18】--matplotlib(热力图)

往期回顾从零开始学Python【17】--matplotlib(面积图)从零开始学Python【16】--matplotlib(雷达图)从零开始学Python【15】--...

lsxxx2011的专栏 4122

告别电源纹波!手把手教你用UCC28019设计一个高效率PFC模块(附完整原理图与BOM清单)

本文详细介绍了如何使用UCC28019设计高效率PFC模块,解决电源纹波问题。通过优化补偿网络、关键元器件选型及PCB布局,实现功率因数提升至0.99以上,降低输入电流谐波。附完整原理图与BOM清单,适用于电赛等快速开发场景。

weixin_42652674的博客 338

python制作气温分布图_Python案例:查询城市天气并绘制最高气温与最低气温的折线图...

1、编写源代码 - 查询城市天气.# -*- coding: utf-8 -*-"""Spyder EditorThis is a temporary script file."""# 功能:查询城市天气import requests, json, refrom matplotlib import pyplot as plt# 获取城市代码def getCityCode(city):url = '...

weixin_39878698的博客 3650

基于ADS1299的8通道脑电采集系统硬件设计实战

生物电信号采集是医疗电子与可穿戴设备中的关键环节,微弱信号的高保真放大与数字化处理直接影响系统性能。高精度模数转换器与低噪声模拟前端设计成为工程实践的核心。ADS1299作为专用生物电测量芯片,集成多通道低噪声放大器与24位Δ-Σ ADC,广泛应用于脑电、心电等生理信号检测。本文基于ADS1299构建8通道脑电采集系统,详细阐述硬件架构、电源与参考设计、输入保护、PCB布局布线、固件SPI配置及数据读取,并结合实测数据分享噪声抑制与调试经验,为EEG采集设备开发提供完整参考。

weixin_29169505的博客 225

嵌入式Linux开发必备:设备树插件动态加载实战指南(RK356x平台为例)

本文以RK356x平台为例,详细介绍了嵌入式Linux开发中设备树插件的动态加载实战。通过configfs接口,开发者可以在系统运行时动态修改硬件配置,实现外设的即插即用与调试,无需重启设备,极大提升了开发与调试效率。

w7x8y9z的博客 444

爬取天气预报并制作可视化图表的Python教程

详细的爬取天气预报并制作可视化图表的Python教程(代码)

铭渊老黄 1017

四自由度机械臂Matlab仿真全流程:从DH参数建模到轨迹规划实战

本文详细介绍了四自由度机械臂在Matlab中的完整仿真流程,从DH参数建模到轨迹规划实战。通过Robotics Toolbox工具,读者可以学习如何构建机械臂模型、验证运动学特性,并实现平滑的轨迹规划。文章还提供了性能优化技巧和常见问题解决方案,帮助开发者高效完成机械臂仿真项目。

weixin_29061041的博客 241

基于django+Python+Hadoop的天气预报数据爬取与可视化分析的设计与实现

本文摘要:研究基于Java Spring Boot框架开发的气象数据爬取与可视化系统,采用MySQL 5.7数据库存储数据。系统通过爬虫技术采集多源气象数据,运用Matplotlib等工具实现温度、降水量等要素的可视化分析,为防灾减灾等应用提供支持。开发环境包括JDK1.8、Tomcat7和Maven3.3.9,采用前后端分离架构,管理员可通过指定路径访问管理系统。系统核心功能包含数据采集、清洗分析和交互式可视化展示,技术亮点在于Spring Boot的简化配置和MySQL的高效数据管理。

全网粉丝10W+、全栈领域优质创作者、掘金、阿里云等社区博客专家、专注于全栈领域和毕业项目实战 1467

后仿真中的必懂VCS仿真选项之initreg和deposit

后仿真中,我们常常对于没有复位寄存器和存储器单元,使用仿真选项之initreg和deposit,两种处理方式。今天做总结。请注意:请勿将两者进行同时使用。对于到底选取哪种方式,要结合实际的情况决断。但是,两者同时使用,会有冲突,得不到预期结果。

那么菜的博客 4334

10. 重磅!Spring AI 1.0 正式发布,Java 开发者的 AI神器!

重磅!Spring AI 1.0 正式发布,Java 开发者的 AI神器! 全网最详细的Spring AI 文章,每章都会提供代码入口,让你更容易得入门和理解Spring AI 相关概念,直接节约你百分之六十的学习成本时间。

gorgor在码农 1067

如何用python爬取天气预报,基于python网络爬虫天气

发现这个盒子包含一个tbody标签,在这个标签下的tr从第三个开始,每一个tr标签代表北京的一行数据,然后我们可以从每一个tr标签的第二个td(width=83)下获得城市名称,width=92的td下获得最高温度,width=86的td下获得最低温度。点击图片的1处,输入你的服务器的公网ip、密码等账户信息然后点击ok,然后在图片的2处填上你的公网ip,注意它的上一个空不需要更改。然后是解析爬取下来的网页数据的函数,这里我们用xpath去获得需要的内容,当然也可以使用bs4.

aq8821的博客 1479

UNet 改进(27):结合SCSE注意力机制的UNet网络实现

本文介绍了一种结合SCSE注意力机制的改进UNet网络架构。该网络在保持UNet经典编码器-解码器结构基础上,通过在每层添加SCSEBlock模块,融合了通道注意力和空间注意力机制。通道注意力通过全局池化和1×1卷积生成通道权重,空间注意力则产生空间权重图,二者相加增强关键特征响应。该设计具有以下优势:1)保持原始UNet的多尺度特征提取能力;2)通过注意力机制提升对重要区域的关注度;3)计算效率高,仅增加少量参数。测试显示网络能保持输入输出分辨率不变,适用于医学图像分割等像素级预测任务。完整代码实现了5层

2401_82355416的博客 415

Python爬取南京市往年天气预报,使用pyecharts进行分析

本次爬取的首页地址是: http://www.tianqihoubao.com/lishi/nanjing.html 爬取步骤: 爬取主网页,获取进入每个南京市具体年份月份的天气数据的链接 爬取上方获取的具体链接的数据 存储数据 对数据进行筛选后使用pyecharts进行分析 开发工具: Python版本:3.5.4 相关模块: import requests from lxml impo...

人生苦短, 还不用Python? 2490

光学材料仿真软件:FDTD Solutions_(4).材料属性的定义与应用

在光学材料仿真软件中,材料属性的定义和应用是至关重要的一步。正确地定义材料属性可以确保仿真结果的准确性和可靠性。本节将详细介绍如何在FDTD Solutions中定义和应用不同的材料属性,包括介质材料、金属材料、色散材料等,并提供具体的代码示例和数据样例。介质材料是光学仿真中最常见的材料类型之一。在FDTD Solutions中,可以通过多种方式定义介质材料,包括使用预定义的材料库、自定义材料参数或导入材料数据文件。FDTD Solutions内置了一个丰富的材料库,包含了许多常用材料的光学性质。

kkchenjj的博客 1405

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

Python天气预报可视化毕设:从API集成到交互式图表的完整技术实现

许多同学在“Python天气预报可视化”毕设里被 API 限流、数据格式混乱、图表静态丑到哭。本文用一次真实开发流水账,带你把 OpenWeatherMap 的数据一路薅到 PyEcharts 的交互大屏,并给出可直接跑的模块化代码。读完能扛住答辩,也能扛住生产。

2600_94959855的博客 399

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

全国24小时降水量pyecharts可视化分析

爬虫抓取天气预报网站的降水量数据,并利用pyecharts库进行可视化生成动态的热力图。

weixin_46507641的博客 1929

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

如何用python爬取天气预报,python爬虫爬取天气预报

本项目包括四个核心部分:数据爬取、数据存储、数据分析和数据可视化python画四瓣花。首先,利用Python编写的网络爬虫从专业的历史天气网站上爬取大连市从2011年至2023年的天气数据,包括日期、最高气温、最低气温和天气状况等信息。爬取过程中应用了requests库来模拟浏览器请求和lxml库来解析HTML文档,确保了数据的准确性和完整性。接着,将爬取到的数据存储在两个CSV文件中,并利用pymysql库将数据导入MySQL数据库,便于后续的数据处理和分析。

2401_85305177的博客 1219

Python天气预报可视化毕设:从API调用到交互式图表的完整新手实战指南

最近在帮学弟学妹看毕业设计,发现很多同学在做“Python天气预报可视化”这类项目时,常常在几个关键环节卡住:要么数据拿不到,要么图表太丑,要么代码写完自己都看不懂。今天我就结合自己做过的一个小项目,把从数据获取到图表展示的全流程拆解一遍,希望能给正在为毕设发愁的你提供一个清晰、可复用的实战框架。

2600_94959965的博客 238

天气预报的数据爬取存储和可视化处理项目

项目名称:天气预报的数据爬取存储和可视化处理项目项目环境:pycharm,python3.9,jupyter notebook 6.4.6等 项目叙述:本项目是通过爬虫技术从中国气象网爬取天气数据,数据存储,并且进行数据可视化。

m0_64431980的博客 1734
上一篇: Python 工匠:做一个精通规则的玩家!
下一篇: 教你 如何用Python开发一个简单的区块链数据结构!
普通网友
博客等级 码龄7年 438粉丝 263原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值