Python 爬取天气预报并进行可视化分析

今天，我们就来学习如何使用 Python 爬取天气预报数据，并用数据可视化的方式将未来几天的天气信息一目了然地展示出来。

在本文中，我们将分三步完成这一任务：

使用 Python 爬取天气数据
数据解析与处理
用可视化展示天气趋势

让我们开始吧！

第一步：准备工作

在正式开始之前，我们需要安装一些常用的 Python 库。这些库可以帮助我们更高效地获取数据、解析内容以及进行数据可视化。

首先，打开终端，安装以下库：

python 复制代码

pip install requests
pip install beautifulsoup4
pip install matplotlib
pip install pandas

各库介绍：

requests: 用来发送 HTTP 请求，获取网页数据。
beautifulsoup4: 用于解析 HTML 数据，提取网页中的有用信息。
matplotlib 和 pandas: 用于处理数据，并创建漂亮的可视化图表。

第二步：爬取天气预报数据

现在，让我们编写 Python 代码，爬取一个天气预报网站的数据。这里我们将使用中国天气网作为数据来源。通过发送请求并解析页面中的 HTML 结构，我们可以轻松获取我们想要的天气信息。

爬取数据的源码

复制代码

代码

python 复制代码

import requests
from bs4 import BeautifulSoup
import pandas as pd

def get_weather_data(city_code):
    # 目标URL：通过城市代码获取该城市的天气预报
    url = f"http://www.weather.com.cn/weather/{city_code}.shtml"
    
    # 发送HTTP请求获取网页数据
    response = requests.get(url)
    response.encoding = 'utf-8'  # 设置编码为utf-8
    
    # 使用BeautifulSoup解析网页内容
    soup = BeautifulSoup(response.text, 'html.parser')
    
    # 从网页中提取天气数据
    forecast_data = []
    weather_list = soup.find('ul', class_='t clearfix').find_all('li')
    
    for weather in weather_list:
        date = weather.find('h1').text  # 提取日期
        weather_desc = weather.find('p', class_='wea').text  # 提取天气情况
        temp = weather.find('p', class_='tem').text.strip()  # 提取温度
        wind = weather.find('p', class_='win').find('span')['title']  # 提取风力信息

        # 将每条天气数据存储为字典
        forecast_data.append({
            'date': date,
            'weather': weather_desc,
            'temperature': temp,
            'wind': wind
        })

    # 将数据转换为DataFrame，便于后续处理
    weather_df = pd.DataFrame(forecast_data)
    return weather_df

# 使用城市代码获取天气数据，以下代码为北京的天气预报（代码为101010100）
city_code = '101010100'
weather_df = get_weather_data(city_code)
print(weather_df)

说明：

requests.get(url) : 我们首先使用 requests 库向天气网站发送 HTTP 请求，并获取返回的网页内容。
BeautifulSoup : 然后用 BeautifulSoup 来解析 HTML 数据，提取出我们需要的天气预报信息，如日期、天气情况、温度和风力。
pandas.DataFrame : 最后，我们将这些数据存储在一个 DataFrame 中，方便后续的可视化处理。

运行上述代码后，你将看到一个表格，包含未来几天的天气情况。是不是感觉数据已经一目了然？但我们还可以做得更好！接下来，我们将这些数据用图表展示出来。

第三步：天气数据可视化

为了让天气预报看起来更直观，我们可以使用 Python 中强大的 matplotlib 库来绘制温度变化的折线图。我们将提取出每一天的最低温度和最高温度，并展示它们随时间的变化。

可视化的源码

python 复制代码

import matplotlib.pyplot as plt

def visualize_weather(weather_df):
    # 数据清洗：提取出温度中的最高温和最低温
    weather_df['temperature_min'] = weather_df['temperature'].apply(lambda x: int(x.split('/')[1].replace('℃', '').strip()))
    weather_df['temperature_max'] = weather_df['temperature'].apply(lambda x: int(x.split('/')[0].replace('℃', '').strip()))
    
    # 设置图表尺寸
    plt.figure(figsize=(10, 5))
    
    # 画出最低温度和最高温度的折线图
    plt.plot(weather_df['date'], weather_df['temperature_min'], label='最低温度 (°C)', marker='o', color='b')
    plt.plot(weather_df['date'], weather_df['temperature_max'], label='最高温度 (°C)', marker='o', color='r')
    
    # 添加图表标题和标签
    plt.title('未来几天天气预报')
    plt.xlabel('日期')
    plt.ylabel('温度 (°C)')
    plt.xticks(rotation=45)
    plt.legend()
    
    # 自动调整布局
    plt.tight_layout()
    
    # 显示图表
    plt.show()

# 可视化天气数据
visualize_weather(weather_df)

代码解析：

数据清洗：我们从温度字段中分别提取出最低温度和最高温度，并将它们转换为数值类型，方便绘图。
绘图：使用 matplotlib 创建折线图，分别绘制最低温和最高温的变化趋势。
显示图表：我们设置了图表标题、标签和图例，使整个图表更加清晰易读。

最终效果

当你运行完所有代码后，系统将为你生成一张清晰的折线图，展示未来几天的最低温度和最高温度。你可以轻松地观察温度的波动，提前规划好出行的衣物搭配或户外活动。

总结

通过本文，我们学习了如何使用 Python 爬取天气预报数据，并使用 matplotlib 进行可视化展示。这一过程不仅适用于天气数据的展示，还可以广泛应用于其他数据爬取和分析任务。掌握这些技术，你就可以轻松搭建属于自己的数据分析和展示系统，让信息变得更加直观、生动。