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：

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

代码

import requests
from bs4 import BeautifulSoup
import pandas as pddef 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

import matplotlib.pyplot as pltdef 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)