python 气象可视化系统

      当我们想要了解某个地区的天气趋势，或者进行天气数据的分析时，爬取并可视化天气数据是一个有趣而且有用的项目。在这篇博客中，我将介绍如何使用Python来爬取天气数据，并对其进行数据可视化分析。我们将使用Python中的一些流行的库，如Requests、pandas和flask来构建气象数据可视化网站。  

步骤一：安装必要的库

首先，确保你已经安装了以下Python库，如果没有，可以使用pip进行安装：

• requests：用于从网站获取数据。
• pandas：用于处理数据
• flask：用于构造网站微型框架

步骤二：爬取天气数据

def scraw(code):
    # 发送 HTTP 请求，获取网页内容
    url = f'http://www.nmc.cn/rest/weather?stationid={code}&_=1675259309000'
    response = requests.get(url, headers=headers)

    try:
        data = json.loads(response.text)
        info = data['data']

        # 24小时天气情况
        passed = data['data']['passedchart']
        # 一天
        real = data['data']['real']
        # 最近七天最高低温度
        tempchart = data['data']['tempchart']
        # 预测
        predict = data['data']['predict']['detail']

        for i in passed:
            humidity = i['humidity']  # 相对湿度
            pressure = i['pressure']  # 空气压力
            rain1h = i['rain1h']  #
            rain24h = i['rain24h']  #
            temperature = i['temperature']  # 温度
            windDirection = i['windDirection']
            windSpeed = i['windSpeed']
            time = i['time']
            tempDiff = i['tempDiff']  # 体感温度
            csv.writer(csv_obj).writerow(
                [names[inx],humidity, pressure, rain1h, rain24h, temperature, windDirection, windSpeed, time, tempDiff])

        csv.writer(csv_obj2).writerow(
            [names[inx],datetime.datetime.now().date(), real['weather']['airpressure'], real['weather']['feelst'],
             real['weather']['humidity'], real['weather']['info'], real['weather']['rain'], real['weather']['temperature'],
             real['wind']['direct'], real['wind']['power'], real['wind']['speed']])

步骤三：将数据写入数据库

        将数据处理并存入数据库

def save():
    # 存入数据库
    DB_STRING = 'mysql+pymysql://root:786120564@127.0.0.1:3306/tianqi'
    engine = create_engine(DB_STRING)
    df = pd.read_csv("csv/data24h.csv")
    df2 = pd.read_csv("csv/dataday.csv")
    df3 = pd.read_csv("csv/tempchart.csv")
    df4 = pd.read_csv("csv/predict.csv")
    df5 = pd.read_csv("csv/rain24h.csv")
    df6 = pd.read_csv("csv/rain1h.csv")
    #删除不正常值

    # 删除部分列值等于9999的行
    df = df.drop('24h降雨量',axis=1)
    df2 = df2[df2['体感温度'] != 9999]
    df3 = df3[df3['最高温度'] != 9999]

    df.to_sql('24h', con=engine, if_exists='replace',index=False)
    df2.to_sql('day', con=engine, if_exists='replace',index=False)
    df3.to_sql('tempchart', con=engine, if_exists='replace',index=False)
    df4.to_sql('predict', con=engine, if_exists='replace',index=False)
    df5.to_sql('rain24h', con=engine, if_exists='replace',index=False)
    df6.to_sql('rain1h', con=engine, if_exists='replace',index=False)

步骤四：构建flask应用

from flask import Flask, render_template

app = Flask(__name__)

@app.route("/")
def index():
    return render_template("index.html")

@app.route("/echart1")
def echart1():
    return jsonify(array.tolist())

if __name__ == '__main__':
    app.run()

项目地址  python+pandas+flask+echarts气象数据可视化_pythonflask大屏显示数据资源-CSDN文库