天氣預報我們每天都會關注，我們可以根據(jù)未來的天氣增減衣物、安排出行，每天的氣溫、風速風向、相對濕度、空氣質(zhì)量等成為關注的焦點。

本次使用python中requests和BeautifulSoup庫對中國天氣網(wǎng)當天和未來14天的數(shù)據(jù)進行爬取，保存為csv文件，之后用matplotlib、numpy、pandas對數(shù)據(jù)進行可視化處理和分析，得到溫濕度度變化曲線、空氣質(zhì)量圖、風向雷達圖等結(jié)果，為獲得未來天氣信息提供了有效方法。

1.數(shù)據(jù)獲取

請求網(wǎng)站鏈接

首先查看中國天氣網(wǎng)的網(wǎng)址：http://www.weather.com.cn/weather/101280701.shtml這里就訪問本地的天氣網(wǎng)址，如果想爬取不同的地區(qū)只需修改最后的101280701地區(qū)編號即可，前面的weather代表是7天的網(wǎng)頁，weather1d代表當天，weather15d代表未來14天。

這里就主要訪問7天和14天的中國天氣網(wǎng)。采用requests.get()方法，請求網(wǎng)頁，如果成功訪問，則得到的是網(wǎng)頁的所有字符串文本。這就是請求過程。

defgetHTMLtext(url):
"""請求獲得網(wǎng)頁內(nèi)容"""
try:
r=requests.get(url,timeout=30)
r.raise_for_status()
r.encoding=r.apparent_encoding
print("成功訪問")
returnr.text
except:
print("訪問錯誤")
return""

提取有用信息

這里采用BeautifulSoup庫對剛剛獲取的字符串進行數(shù)據(jù)提取，首先對網(wǎng)頁進行檢查，找到需要獲取數(shù)據(jù)的標簽：

可以發(fā)現(xiàn)7天的數(shù)據(jù)信息在div標簽中并且id=“7d”，并且日期、天氣、溫度、風級等信息都在ul和li標簽中，所以我們可以使用BeautifulSoup對獲取的網(wǎng)頁文本進行查找div標簽id=“7d”，找出他包含的所有的ul和li標簽，之后提取標簽中相應的數(shù)據(jù)值，保存到對應列表中。

這里要注意一個細節(jié)就是有時日期沒有最高氣溫，對于沒有數(shù)據(jù)的情況要進行判斷和處理。另外對于一些數(shù)據(jù)保存的格式也要提前進行處理，比如溫度后面的攝氏度符號，日期數(shù)字的提取，和風級文字的提取，這需要用到字符查找及字符串切片處理。

defget_content(html):
"""處理得到有用信息保存數(shù)據(jù)文件"""
final=[]#初始化一個列表保存數(shù)據(jù)
bs=BeautifulSoup(html,"html.parser")#創(chuàng)建BeautifulSoup對象
body=bs.body
data=body.find('div',{'id':'7d'})#找到div標簽且id=7d

下面爬取當天的數(shù)據(jù)

data2=body.find_all('div',{'class':'left-div'})
text=data2[2].find('script').string
text=text[text.index('=')+1:-2]#移除改vardata=將其變?yōu)閖son數(shù)據(jù)
jd=json.loads(text)
dayone=jd['od']['od2']#找到當天的數(shù)據(jù)
final_day=[]#存放當天的數(shù)據(jù)
count=0
foriindayone:
temp=[]
ifcount<=23:
temp.append(i['od21'])?????#?添加時間
temp.append(i['od22'])?????#?添加當前時刻溫度
temp.append(i['od24'])?????#?添加當前時刻風力方向
temp.append(i['od25'])?????#?添加當前時刻風級
temp.append(i['od26'])?????#?添加當前時刻降水量
temp.append(i['od27'])?????#?添加當前時刻相對濕度
temp.append(i['od28'])?????#?添加當前時刻控制質(zhì)量
#print(temp)
final_day.append(temp)
count?=?count?+1

下面爬取7天的數(shù)據(jù)

ul=data.find('ul')#找到所有的ul標簽
li=ul.find_all('li')#找到左右的li標簽
i=0#控制爬取的天數(shù)
fordayinli:#遍歷找到的每一個li
ifi0:
temp=[]#臨時存放每天的數(shù)據(jù)
date=day.find('h1').string#得到日期
date=date[0:date.index('日')]#取出日期號
temp.append(date)

inf=day.find_all('p')#找出li下面的p標簽,提取第一個p標簽的值，即天氣
temp.append(inf[0].string)

tem_low=inf[1].find('i').string#找到最低氣溫

ifinf[1].find('span')isNone:#天氣預報可能沒有最高氣溫
tem_high=None
else:
tem_high=inf[1].find('span').string#找到最高氣溫
temp.append(tem_low[:-1])
iftem_high[-1]=='℃':
temp.append(tem_high[:-1])
else:
temp.append(tem_high)
wind=inf[2].find_all('span')#找到風向
forjinwind:
temp.append(j['title'])
wind_scale=inf[2].find('i').string#找到風級
index1=wind_scale.index('級')
temp.append(int(wind_scale[index1-1:index1]))
final.append(temp)
i=i+1

returnfinal_day,final

同樣對于/weather15d：15天的信息，也做同樣的處理，這里經(jīng)過查看后發(fā)現(xiàn)他的15天網(wǎng)頁中只有8-14天，前面的1-7天在/weather中，這里就分別訪問兩個網(wǎng)頁將爬取得到的數(shù)據(jù)進行合并得到最終14天的數(shù)據(jù)。

前面是未來14天的數(shù)據(jù)爬取過程，對于當天24小時的天氣信息數(shù)據(jù)，經(jīng)過查找發(fā)現(xiàn)他是一個json數(shù)據(jù)，可以通過json.loads() - 方法獲取當天的數(shù)據(jù)，進而對當天的天氣信息進行提取。

保存csv文件

前面將爬取的數(shù)據(jù)添加到列表中，這里引入csv庫，利用f_csv.writerow(header)和f_csv.writerows(data)方法，分別寫入表頭和每一行的數(shù)據(jù)，這里將1天和未來14天的數(shù)據(jù)分開存儲，分別保存為weather1.csv和weather14.csv，下面是他們保存的表格圖：

2.可視化分析

當天溫度變化曲線圖

采用matplotlib中plt.plot()方法繪制出一天24小時的溫度變化曲線，并用plt.text()方法點出最高溫和最低溫，并畫出平均溫度線，下圖為溫度變化曲線圖：(代碼見附錄)

分析可以發(fā)現(xiàn)這一天最高溫度為33℃，最低溫度為28℃，并且平均溫度在20.4℃左右，通過對時間分析，發(fā)現(xiàn)晝夜溫差5℃，低溫分布在凌晨，高溫分布在中午到下午的時間段。

當天相對濕度變化曲線圖

采用matplotlib中plt.plot()方法繪制出一天24小時的濕度變化曲線，并畫出平均相對濕度線，下圖為濕度變化曲線圖：(代碼見附錄)

分析可以發(fā)現(xiàn)這一天最高相對濕度為86%，最低相對濕度為58℃，并且平均相對濕度在75%左右，通過對時間分析，清晨的濕度比較大，而下午至黃昏濕度較小。

溫濕度相關性分析圖

經(jīng)過前面兩個圖的分析我們可以感覺到溫度和濕度之間是有關系的，為了更加清楚直觀地感受這種關系，使用plt.scatter()方法將溫度為橫坐標、濕度為縱坐標，每個時刻的點在圖中點出來，并且計算相關系數(shù)，下圖為結(jié)果圖：

分析可以發(fā)現(xiàn)一天的溫度和濕度具有強烈的相關性，他們呈負相關，這就說明他們時間是負相關關系，并且進一步分析，當溫度較低時，空氣中水分含量較多，濕度自然較高，而溫度較高時，水分蒸發(fā)，空氣就比較干燥，濕度較低，符合平時氣候現(xiàn)象。

空氣質(zhì)量指數(shù)柱狀圖

空氣質(zhì)量指數(shù)AQI是定量描述空氣質(zhì)量狀況的指數(shù)，其數(shù)值越大說明空氣污染狀況越重，對人體健康的危害也就越大。

一般將空氣質(zhì)量指數(shù)分為6個等級，等級越高說明污染越嚴重，下面使用plt.bar方法對一天24小時的空氣質(zhì)量進行了柱狀圖繪制，并且根據(jù)6個等級的不同，相應的柱狀圖的顏色也從淺到深，也表明污染逐步加重，更直觀的顯示污染情況，并且也將最高和最低的空氣質(zhì)量指數(shù)標出，用虛線畫出平均的空氣質(zhì)量指數(shù)，下圖是繪制結(jié)果圖：

上面這張是南方珠海的控制質(zhì)量圖，可以看出空氣質(zhì)量指數(shù)最大也是在健康范圍，說明珠?？諝夥浅：茫治隹梢园l(fā)現(xiàn)這一天最高空氣質(zhì)量指數(shù)達到了35，最低則只有14，并且平均在25左右，通過時間也可以發(fā)現(xiàn)，基本在清晨的時候是空氣最好的時候（4-9點），在下午是空氣污染最嚴重的時候，所以清晨一般可以去外面呼吸新鮮的空氣，那時污染最小。

而下面這個空氣質(zhì)量圖是選取的北方的一個城市，可以看到這里的環(huán)境遠遠比不上珠海。

風向風級雷達圖

統(tǒng)計一天的風力和風向，由于風力風向使用極坐標的方式展現(xiàn)較好，所以這里采用的是極坐標的方式展現(xiàn)一天的風力風向圖，將圓分為8份，每一份代表一個風向，半徑代表平均風力，并且隨著風級增高，藍色加深，最后結(jié)果如下所示：

分析可以發(fā)現(xiàn)這一天西南風最多，平均風級達到了1.75級，東北風也有小部分1.0級，其余空白方向無來風。

未來14天高低溫變化曲線圖

統(tǒng)計未來14天的高低溫度變化，并繪制出他們的變化曲線圖，分別用虛線將他們的平均氣溫線繪制出來，最后結(jié)果如下所示：

分析可以發(fā)現(xiàn)未來14天高溫平均氣溫為30.5℃，溫度還是比較高，但是未來的第8天有降溫，需要做好降溫準備，低溫前面處于平穩(wěn)趨勢，等到第8天開始下降，伴隨著高溫也下降，整體溫度下降，低溫平均在27℃左右。

未來14天風向風級雷達圖

統(tǒng)計未來14天的風向和平均風力，并和前面一樣采用極坐標形式，將圓周分為8個部分，代表8個方向，顏色越深代表風級越高，最后結(jié)果如下所示：

分析可以發(fā)現(xiàn)未來14天東南風、西南風所占主要風向，風級最高達到了5級，最低的西風平均風級也有3級。

未來14天氣候分布餅圖

統(tǒng)計未來14天的氣候，并求每個氣候的總天數(shù)，最后將各個氣候的餅圖繪制出來，結(jié)果如下所示：

分析可以發(fā)現(xiàn)未來14天氣候基本是“雨”、“陰轉(zhuǎn)雨”和“陣雨”，下雨的天數(shù)較多,結(jié)合前面的氣溫分布圖可以看出在第8-9天氣溫高溫下降，可以推測當天下雨，導致氣溫下降。

3.結(jié)論

首先根據(jù)爬取的溫濕度數(shù)據(jù)進行的分析，溫度從早上低到中午高再到晚上低，濕度和溫度的趨勢相反，通過相關系數(shù)發(fā)現(xiàn)溫度和濕度有強烈的負相關關系，經(jīng)查閱資料發(fā)現(xiàn)因為隨著溫度升高水蒸汽蒸發(fā)加劇，空氣中水分降低濕度降低。當然，濕度同時受氣壓和雨水的影響，下雨濕度會明顯增高。

經(jīng)查閱資料空氣質(zhì)量不僅跟工廠、汽車等排放的煙氣、廢氣等有關，更為重要的是與氣象因素有關。由于晝夜溫差明顯變化，當?shù)孛鏈囟雀哂诟呖諟囟葧r，空氣上升，污染物易被帶到高空擴散；當?shù)孛鏈囟鹊陀谝欢ǜ叨鹊臏囟葧r，天空形成逆溫層，它像一個大蓋子一樣壓在地面上空，使地表空氣中各種污染物不易擴散。一般在晚間和清晨影響較大，而當太陽出來后，地面迅速升溫，逆溫層就會逐漸消散，于是污染空氣也就擴散了。

風是由氣壓在水平方向分布的不均勻?qū)е碌?。風受大氣環(huán)流、地形、水域等不同因素的綜合影響，表現(xiàn)形式多種多樣，如季風、地方性的海陸風、山谷風等，一天的風向也有不同的變化，根據(jù)未來14天的風向雷達圖可以發(fā)現(xiàn)未來所有風向基本都有涉及，并且沒有特別的某個風向，原因可能是近期沒有降水和氣文變化不大，導致風向也沒有太大的變化規(guī)律。

天氣是指某一個地區(qū)距離地表較近的大氣層在短時間內(nèi)的具體狀態(tài)。跟某瞬時內(nèi)大氣中各種氣象要素分布的綜合表現(xiàn)。根據(jù)未來14天的天氣和溫度變化可以大致推斷出某個時間的氣候，天氣和溫度之間也是有聯(lián)系的，

4.代碼框架

代碼主要分為weather.py：對中國天氣網(wǎng)進行爬取天氣數(shù)據(jù)并保存csv文件；data1_analysis.py：對當天的天氣信息進行可視化處理；data14_analysis.py：對未來14天的天氣信息進行可視化處理。下面是代碼的結(jié)構(gòu)圖：

附源代碼

weather.py
#weather.py
importrequests
frombs4importBeautifulSoup
importcsv
importjson
defgetHTMLtext(url):
"""請求獲得網(wǎng)頁內(nèi)容"""
try:
r=requests.get(url,timeout=30)
r.raise_for_status()
r.encoding=r.apparent_encoding
print("成功訪問")
returnr.text
except:
print("訪問錯誤")
return""

defget_content(html):
"""處理得到有用信息保存數(shù)據(jù)文件"""
final=[]#初始化一個列表保存數(shù)據(jù)
bs=BeautifulSoup(html,"html.parser")#創(chuàng)建BeautifulSoup對象
body=bs.body
data=body.find('div',{ 'id':'7d'})#找到div標簽且id=7d
#下面爬取當天的數(shù)據(jù)
data2=body.find_all('div',{ 'class':'left-div'})
text=data2[2].find('script').string
text=text[text.index('=')+1:-2]#移除改vardata=將其變?yōu)閖son數(shù)據(jù)
jd=json.loads(text)
dayone=jd['od']['od2']#找到當天的數(shù)據(jù)
final_day=[]#存放當天的數(shù)據(jù)
count=0
foriindayone:
temp=[]
ifcount<=23:
temp.append(i['od21'])#添加時間
temp.append(i['od22'])#添加當前時刻溫度
temp.append(i['od24'])#添加當前時刻風力方向
temp.append(i['od25'])#添加當前時刻風級
temp.append(i['od26'])#添加當前時刻降水量
temp.append(i['od27'])#添加當前時刻相對濕度
temp.append(i['od28'])#添加當前時刻控制質(zhì)量
#print(temp)
final_day.append(temp)
count=count+1
#下面爬取7天的數(shù)據(jù)
ul=data.find('ul')#找到所有的ul標簽
li=ul.find_all('li')#找到左右的li標簽
i=0#控制爬取的天數(shù)
fordayinli:#遍歷找到的每一個li
ifi<7andi>0:
temp=[]#臨時存放每天的數(shù)據(jù)
date=day.find('h1').string#得到日期
date=date[0:date.index('日')]#取出日期號
temp.append(date)
inf=day.find_all('p')#找出li下面的p標簽,提取第一個p標簽的值，即天氣
temp.append(inf[0].string)

tem_low=inf[1].find('i').string#找到最低氣溫

ifinf[1].find('span')isNone:#天氣預報可能沒有最高氣溫
tem_high=None
else:
tem_high=inf[1].find('span').string#找到最高氣溫
temp.append(tem_low[:-1])
iftem_high[-1]=='℃':
temp.append(tem_high[:-1])
else:
temp.append(tem_high)

wind=inf[2].find_all('span')#找到風向
forjinwind:
temp.append(j['title'])

wind_scale=inf[2].find('i').string#找到風級
index1=wind_scale.index('級')
temp.append(int(wind_scale[index1-1:index1]))
final.append(temp)
i=i+1
returnfinal_day,final
#print(final)
defget_content2(html):
"""處理得到有用信息保存數(shù)據(jù)文件"""
final=[]#初始化一個列表保存數(shù)據(jù)
bs=BeautifulSoup(html,"html.parser")#創(chuàng)建BeautifulSoup對象
body=bs.body
data=body.find('div',{ 'id':'15d'})#找到div標簽且id=15d
ul=data.find('ul')#找到所有的ul標簽
li=ul.find_all('li')#找到左右的li標簽
final=[]
i=0#控制爬取的天數(shù)
fordayinli:#遍歷找到的每一個li
ifi<8:
temp=[]#臨時存放每天的數(shù)據(jù)
date=day.find('span',{ 'class':'time'}).string#得到日期
date=date[date.index('（')+1:-2]#取出日期號
temp.append(date)
weather=day.find('span',{ 'class':'wea'}).string#找到天氣
temp.append(weather)
tem=day.find('span',{ 'class':'tem'}).text#找到溫度
temp.append(tem[tem.index('/')+1:-1])#找到最低氣溫
temp.append(tem[:tem.index('/')-1])#找到最高氣溫
wind=day.find('span',{ 'class':'wind'}).string#找到風向
if'轉(zhuǎn)'inwind:#如果有風向變化
temp.append(wind[:wind.index('轉(zhuǎn)')])
temp.append(wind[wind.index('轉(zhuǎn)')+1:])
else:#如果沒有風向變化，前后風向一致
temp.append(wind)
temp.append(wind)
wind_scale=day.find('span',{ 'class':'wind1'}).string#找到風級
index1=wind_scale.index('級')
temp.append(int(wind_scale[index1-1:index1]))

final.append(temp)
returnfinal

defwrite_to_csv(file_name,data,day=14):
"""保存為csv文件"""
withopen(file_name,'a',errors='ignore',newline='')asf:
ifday==14:
header=['日期','天氣','最低氣溫','最高氣溫','風向1','風向2','風級']
else:
header=['小時','溫度','風力方向','風級','降水量','相對濕度','空氣質(zhì)量']
f_csv=csv.writer(f)
f_csv.writerow(header)
f_csv.writerows(data)

defmain():
"""主函數(shù)"""
print("Weathertest")
#珠海
url1='http://www.weather.com.cn/weather/101280701.shtml'#7天天氣中國天氣網(wǎng)
url2='http://www.weather.com.cn/weather15d/101280701.shtml'#8-15天天氣中國天氣網(wǎng)

html1=getHTMLtext(url1)
data1,data1_7=get_content(html1)#獲得1-7天和當天的數(shù)據(jù)

html2=getHTMLtext(url2)
data8_14=get_content2(html2)#獲得8-14天數(shù)據(jù)
data14=data1_7+data8_14
#print(data)
write_to_csv('weather14.csv',data14,14)#保存為csv文件
write_to_csv('weather1.csv',data1,1)

if__name__=='__main__':
main()

data1\_analysis.py:
#data1_analysis.py
importmatplotlib.pyplotasplt
importnumpyasnp
importpandasaspd
importmath
deftem_curve(data):
"""溫度曲線繪制"""
hour=list(data['小時'])
tem=list(data['溫度'])
foriinrange(0,24):
ifmath.isnan(tem[i])==True:
tem[i]=tem[i-1]
tem_ave=sum(tem)/24#求平均溫度
tem_max=max(tem)
tem_max_hour=hour[tem.index(tem_max)]#求最高溫度
tem_min=min(tem)
tem_min_hour=hour[tem.index(tem_min)]#求最低溫度
x=[]
y=[]
foriinrange(0,24):
x.append(i)
y.append(tem[hour.index(i)])
plt.figure(1)
plt.plot(x,y,color='red',label='溫度')#畫出溫度曲線
plt.scatter(x,y,color='red')#點出每個時刻的溫度點
plt.plot([0,24],[tem_ave,tem_ave],c='blue',linestyle='--',label='平均溫度')#畫出平均溫度虛線
plt.text(tem_max_hour+0.15,tem_max+0.15,str(tem_max),ha='center',va='bottom',fontsize=10.5)#標出最高溫度
plt.text(tem_min_hour+0.15,tem_min+0.15,str(tem_min),ha='center',va='bottom',fontsize=10.5)#標出最低溫度
plt.xticks(x)
plt.legend()
plt.title('一天溫度變化曲線圖')
plt.xlabel('時間/h')
plt.ylabel('攝氏度/℃')
plt.show()

defhum_curve(data):
"""相對濕度曲線繪制"""
hour=list(data['小時'])
hum=list(data['相對濕度'])
foriinrange(0,24):
ifmath.isnan(hum[i])==True:
hum[i]=hum[i-1]
hum_ave=sum(hum)/24#求平均相對濕度
hum_max=max(hum)
hum_max_hour=hour[hum.index(hum_max)]#求最高相對濕度
hum_min=min(hum)
hum_min_hour=hour[hum.index(hum_min)]#求最低相對濕度
x=[]
y=[]
foriinrange(0,24):
x.append(i)
y.append(hum[hour.index(i)])
plt.figure(2)
plt.plot(x,y,color='blue',label='相對濕度')#畫出相對濕度曲線
plt.scatter(x,y,color='blue')#點出每個時刻的相對濕度
plt.plot([0,24],[hum_ave,hum_ave],c='red',linestyle='--',label='平均相對濕度')#畫出平均相對濕度虛線
plt.text(hum_max_hour+0.15,hum_max+0.15,str(hum_max),ha='center',va='bottom',fontsize=10.5)#標出最高相對濕度
plt.text(hum_min_hour+0.15,hum_min+0.15,str(hum_min),ha='center',va='bottom',fontsize=10.5)#標出最低相對濕度
plt.xticks(x)
plt.legend()
plt.title('一天相對濕度變化曲線圖')
plt.xlabel('時間/h')
plt.ylabel('百分比/%')
plt.show()

defair_curve(data):
"""空氣質(zhì)量曲線繪制"""
hour=list(data['小時'])
air=list(data['空氣質(zhì)量'])
print(type(air[0]))
foriinrange(0,24):
ifmath.isnan(air[i])==True:
air[i]=air[i-1]
air_ave=sum(air)/24#求平均空氣質(zhì)量
air_max=max(air)
air_max_hour=hour[air.index(air_max)]#求最高空氣質(zhì)量
air_min=min(air)
air_min_hour=hour[air.index(air_min)]#求最低空氣質(zhì)量
x=[]
y=[]
foriinrange(0,24):
x.append(i)
y.append(air[hour.index(i)])
plt.figure(3)

foriinrange(0,24):
ify[i]<=50:
plt.bar(x[i],y[i],color='lightgreen',width=0.7)#1等級
elify[i]<=100:
plt.bar(x[i],y[i],color='wheat',width=0.7)#2等級
elify[i]<=150:
plt.bar(x[i],y[i],color='orange',width=0.7)#3等級
elify[i]<=200:
plt.bar(x[i],y[i],color='orangered',width=0.7)#4等級
elify[i]<=300:
plt.bar(x[i],y[i],color='darkviolet',width=0.7)#5等級
elify[i]>300:
plt.bar(x[i],y[i],color='maroon',width=0.7)#6等級
plt.plot([0,24],[air_ave,air_ave],c='black',linestyle='--')#畫出平均空氣質(zhì)量虛線
plt.text(air_max_hour+0.15,air_max+0.15,str(air_max),ha='center',va='bottom',fontsize=10.5)#標出最高空氣質(zhì)量
plt.text(air_min_hour+0.15,air_min+0.15,str(air_min),ha='center',va='bottom',fontsize=10.5)#標出最低空氣質(zhì)量
plt.xticks(x)
plt.title('一天空氣質(zhì)量變化曲線圖')
plt.xlabel('時間/h')
plt.ylabel('空氣質(zhì)量指數(shù)AQI')
plt.show()

defwind_radar(data):
"""風向雷達圖"""
wind=list(data['風力方向'])
wind_speed=list(data['風級'])
foriinrange(0,24):
ifwind[i]=="北風":
wind[i]=90
elifwind[i]=="南風":
wind[i]=270
elifwind[i]=="西風":
wind[i]=180
elifwind[i]=="東風":
wind[i]=360
elifwind[i]=="東北風":
wind[i]=45
elifwind[i]=="西北風":
wind[i]=135
elifwind[i]=="西南風":
wind[i]=225
elifwind[i]=="東南風":
wind[i]=315
degs=np.arange(45,361,45)
temp=[]
fordegindegs:
speed=[]
#獲取wind_deg在指定范圍的風速平均值數(shù)據(jù)
foriinrange(0,24):
ifwind[i]==deg:
speed.append(wind_speed[i])
iflen(speed)==0:
temp.append(0)
else:
temp.append(sum(speed)/len(speed))
print(temp)
N=8
theta=np.arange(0.+np.pi/8,2*np.pi+np.pi/8,2*np.pi/8)
#數(shù)據(jù)極徑
radii=np.array(temp)
#繪制極區(qū)圖坐標系
plt.axes(polar=True)
#定義每個扇區(qū)的RGB值（R,G,B），x越大，對應的顏色越接近藍色
colors=[(1-x/max(temp),1-x/max(temp),0.6)forxinradii]
plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors)
plt.title('一天風級圖',x=0.2,fontsize=20)
plt.show()

defcalc_corr(a,b):
"""計算相關系數(shù)"""
a_avg=sum(a)/len(a)
b_avg=sum(b)/len(b)
cov_ab=sum([(x-a_avg)*(y-b_avg)forx,yinzip(a,b)])
sq=math.sqrt(sum([(x-a_avg)**2forxina])*sum([(x-b_avg)**2forxinb]))
corr_factor=cov_ab/sq
returncorr_factor

defcorr_tem_hum(data):
"""溫濕度相關性分析"""
tem=data['溫度']
hum=data['相對濕度']
plt.scatter(tem,hum,color='blue')
plt.title("溫濕度相關性分析圖")
plt.xlabel("溫度/℃")
plt.ylabel("相對濕度/%")
plt.text(20,40,"相關系數(shù)為："+str(calc_corr(tem,hum)),fontdict={ 'size':'10','color':'red'})
plt.show()
print("相關系數(shù)為："+str(calc_corr(tem,hum)))

defmain():
plt.rcParams['font.sans-serif']=['SimHei']#解決中文顯示問題
plt.rcParams['axes.unicode_minus']=False#解決負號顯示問題
data1=pd.read_csv('weather1.csv',encoding='gb2312')
print(data1)
tem_curve(data1)
hum_curve(data1)
air_curve(data1)
wind_radar(data1)
corr_tem_hum(data1)
if__name__=='__main__':
main()

data14\_analysis.py:
#data14_analysis.py
importmatplotlib.pyplotasplt
importnumpyasnp
importpandasaspd
importmath

deftem_curve(data):
"""溫度曲線繪制"""
date=list(data['日期'])
tem_low=list(data['最低氣溫'])
tem_high=list(data['最高氣溫'])
foriinrange(0,14):
ifmath.isnan(tem_low[i])==True:
tem_low[i]=tem_low[i-1]
ifmath.isnan(tem_high[i])==True:
tem_high[i]=tem_high[i-1]

tem_high_ave=sum(tem_high)/14#求平均高溫
tem_low_ave=sum(tem_low)/14#求平均低溫

tem_max=max(tem_high)
tem_max_date=tem_high.index(tem_max)#求最高溫度
tem_min=min(tem_low)
tem_min_date=tem_low.index(tem_min)#求最低溫度

x=range(1,15)
plt.figure(1)
plt.plot(x,tem_high,color='red',label='高溫')#畫出高溫度曲線
plt.scatter(x,tem_high,color='red')#點出每個時刻的溫度點
plt.plot(x,tem_low,color='blue',label='低溫')#畫出低溫度曲線
plt.scatter(x,tem_low,color='blue')#點出每個時刻的溫度點

plt.plot([1,15],[tem_high_ave,tem_high_ave],c='black',linestyle='--')#畫出平均溫度虛線
plt.plot([1,15],[tem_low_ave,tem_low_ave],c='black',linestyle='--')#畫出平均溫度虛線
plt.legend()
plt.text(tem_max_date+0.15,tem_max+0.15,str(tem_max),ha='center',va='bottom',fontsize=10.5)#標出最高溫度
plt.text(tem_min_date+0.15,tem_min+0.15,str(tem_min),ha='center',va='bottom',fontsize=10.5)#標出最低溫度
plt.xticks(x)
plt.title('未來14天高溫低溫變化曲線圖')
plt.xlabel('未來天數(shù)/天')
plt.ylabel('攝氏度/℃')
plt.show()
defchange_wind(wind):
"""改變風向"""
foriinrange(0,14):
ifwind[i]=="北風":
wind[i]=90
elifwind[i]=="南風":
wind[i]=270
elifwind[i]=="西風":
wind[i]=180
elifwind[i]=="東風":
wind[i]=360
elifwind[i]=="東北風":
wind[i]=45
elifwind[i]=="西北風":
wind[i]=135
elifwind[i]=="西南風":
wind[i]=225
elifwind[i]=="東南風":
wind[i]=315
returnwind


defwind_radar(data):
"""風向雷達圖"""
wind1=list(data['風向1'])
wind2=list(data['風向2'])
wind_speed=list(data['風級'])
wind1=change_wind(wind1)
wind2=change_wind(wind2)

degs=np.arange(45,361,45)
temp=[]
fordegindegs:
speed=[]
#獲取wind_deg在指定范圍的風速平均值數(shù)據(jù)
foriinrange(0,14):
ifwind1[i]==deg:
speed.append(wind_speed[i])
ifwind2[i]==deg:
speed.append(wind_speed[i])
iflen(speed)==0:
temp.append(0)
else:
temp.append(sum(speed)/len(speed))
print(temp)
N=8
theta=np.arange(0.+np.pi/8,2*np.pi+np.pi/8,2*np.pi/8)
#數(shù)據(jù)極徑
radii=np.array(temp)
#繪制極區(qū)圖坐標系
plt.axes(polar=True)
#定義每個扇區(qū)的RGB值（R,G,B），x越大，對應的顏色越接近藍色
colors=[(1-x/max(temp),1-x/max(temp),0.6)forxinradii]
plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors)
plt.title('未來14天風級圖',x=0.2,fontsize=20)
plt.show()

defweather_pie(data):
"""繪制天氣餅圖"""
weather=list(data['天氣'])
dic_wea={ }
foriinrange(0,14):
ifweather[i]indic_wea.keys():
dic_wea[weather[i]]+=1
else:
dic_wea[weather[i]]=1
print(dic_wea)
explode=[0.01]*len(dic_wea.keys())
color=['lightskyblue','silver','yellow','salmon','grey','lime','gold','red','green','pink']
plt.pie(dic_wea.values(),explode=explode,labels=dic_wea.keys(),autopct='%1.1f%%',colors=color)
plt.title('未來14天氣候分布餅圖')
plt.show()

defmain():
plt.rcParams['font.sans-serif']=['SimHei']#解決中文顯示問題
plt.rcParams['axes.unicode_minus']=False#解決負號顯示問題
data14=pd.read_csv('weather14.csv',encoding='gb2312')
print(data14)
tem_curve(data14)
wind_radar(data14)
weather_pie(data14)

if__name__=='__main__':
main()