基于Python的城市天气数据可视化分析与机器学习预测

1、项目介绍

城市天气数据可视化分析系统与机器学习

1.1 项目简介

该项目旨在通过Python编程语言爬取和处理北京、上海、深圳和天津的历史天气数据，并利用pyecharts库进行数据可视化分析。通过详细的数据分析与机器学习建模，系统揭示了各城市在温度变化、天气类型分布、风力风向分布和空气质量变化方面的规律，并对空气质量进行了预测。

1.2 技术栈

• 编程语言: Python

• 数据处理: Pandas, NumPy

• 数据可视化: pyecharts, Matplotlib, Seaborn

• 机器学习: Scikit-learn

1.3 实现的功能

1. 数据爬取与预处理:

   1. 使用Python爬虫从天气网站获取四个城市的历史天气数据。
      爬取：2345天气预报数据

   2. 处理温度、风力风向等数据，解决缺失值和异常值。
      

2. 数据可视化:

   1. 使用pyecharts生成各城市的温度变化图、天气类型分布图、风力风向分布图和空气质量变化图。

   2. 将生成的图表嵌入到HTML页面，实现数据的可视化展示。

3. 空气质量比较:

   1. 对比四个城市的空气质量变化，生成对比图。

4. 机器学习建模与分析:

   1. 使用逻辑回归、决策树和随机森林模型对空气质量进行分类预测。

   2. 评估各模型的性能，输出分类报告、混淆矩阵、准确率对比图、precision、recall、f1-score对比图和AUC曲线。

1.4 项目详细描述

1. 数据预处理:

   1. 对从天气网站爬取的数据进行预处理，处理温度数据，将非数值字符转换为NaN，并使用均值填充缺失值。

2. 数据可视化:

   1. 生成各城市的温度变化图，展示不同时间段内的最高温度和最低温度。

   2. 生成各城市的天气类型分布图，展示不同天气类型出现的次数。

   3. 生成各城市的风力风向分布图，展示不同风力风向出现的次数。

   4. 生成各城市的空气质量变化图，展示不同时间段内的空气质量指数变化情况。

3. 空气质量比较:

   1. 生成四个城市的空气质量对比图，展示不同城市在同一时间段内的空气质量变化情况。

4. 机器学习建模与分析:

   1. 将数据分割为训练集和测试集，选择“最高温”、“最低温”、“风力风向”和“空气质量指数”作为特征，目标变量为“空气质量”。

   2. 对目标变量进行标签编码，将“风力风向”转换为分类变量，对数值特征进行标准化处理。

   3. 训练逻辑回归、决策树和随机森林模型，对测试集进行预测，计算预测结果的概率。

   4. 对模型进行评估，输出分类报告和准确率，并绘制混淆矩阵、准确率对比图、precision、recall、f1-score对比图以及AUC曲线和ROC对比图。

5. 结果分析:

   1. 比较不同模型的性能，随机森林模型在所有类别上的预测表现最好，准确率最高，适用于处理复杂非线性关系的数据。

   2. 提出模型应用建议，在实际应用中优先选择随机森林模型进行预测分析，以提高预测准确性。

2、效果截图

3、运行视频

点击查看运行视频

4、代码