python爬虫——爬取天气数据！

要爬取全年天气数据并进行可视化分析，你可以按照以下步骤进行。这里以中国的某个城市（比如北京）为例，使用Python的requests库爬取天气数据，并使用matplotlib或seaborn进行可视化。

第一步：爬取天气数据

首先，你需要找到一个提供天气数据的API。这里我们假设你找到了一个提供JSON格式天气数据的API。

示例代码：

import requests  
import json  
import datetime  
  
# 设置API的URL和参数  
api_url = "https://api.example.com/weather"  # 替换为实际的API URL  
city = "Beijing"  
api_key = "your_api_key"  # 替换为实际的API密钥  
  
# 获取当前年份  
current_year = datetime.datetime.now().year  
  
# 存储天气数据的列表  
weather_data = []  
  
# 遍历全年每一天，获取天气数据  
for month in range(1, 13):  
    for day in range(1, 32):  
        try:  
            # 构建日期字符串  
            date_str = f"{current_year}-{month:02d}-{day:02d}"  
              
            # 发送请求获取天气数据  
            params = {  
                "city": city,  
                "date": date_str,  
                "key": api_key  
            }  
            response = requests.get(api_url, params=params)  
            response.raise_for_status()  # 如果请求失败，抛出异常  
              
            # 解析JSON数据  
            data = response.json()  
              
            # 假设返回的JSON包含以下字段：temperature, humidity, pressure, weather_description  
            daily_weather = {  
                "date": date_str,  
                "temperature": data.get("temperature"),  
                "humidity": data.get("humidity"),  
                "pressure": data.get("pressure"),  
                "weather_description": data.get("weather_description")  
            }  
              
            # 将数据添加到列表中  
            weather_data.append(daily_weather)  
              
        except requests.RequestException as e:  
            print(f"Error fetching data for {date_str}: {e}")  
        except (KeyError, json.JSONDecodeError) as e:  
            print(f"Error parsing data for {date_str}: {e}")  
        except ValueError:  
            # 日期超出月份天数（如2月30日）  
            break  
  
# 将数据保存到文件（可选）  
with open("weather_data.json", "w") as f:  
    json.dump(weather_data, f, indent=4)  
  
# 打印部分数据以确认  
print(weather_data[:10])

第二步：数据可视化

使用matplotlib或seaborn库对数据进行可视化分析。

示例代码：

import matplotlib.pyplot as plt  
import seaborn as sns  
  
# 将数据转换为pandas DataFrame（方便操作）  
import pandas as pd  
df = pd.DataFrame(weather_data)  
  
# 设置图表样式  
sns.set(style="whitegrid")  
  
# 绘制温度随时间变化的折线图  
plt.figure(figsize=(14, 7))  
sns.lineplot(data=df, x="date", y="temperature", marker="o")  
plt.title("Temperature Over the Year")  
plt.xlabel("Date")  
plt.ylabel("Temperature (°C)")  
plt.xticks(rotation=45)  
plt.tight_layout()  
plt.show()  
  
# 绘制湿度随时间变化的折线图  
plt.figure(figsize=(14, 7))  
sns.lineplot(data=df, x="date", y="humidity", marker="o")  
plt.title("Humidity Over the Year")  
plt.xlabel("Date")  
plt.ylabel("Humidity (%)")  
plt.xticks(rotation=45)  
plt.tight_layout()  
plt.show()  
  
# 绘制天气描述词云图（可选）  
from wordcloud import WordCloud  
  
# 将天气描述合并为一个字符串  
weather_descriptions = " ".join(df["weather_description"].astype(str).tolist())  
  
# 生成词云图  
wordcloud = WordCloud(width=800, height=400, background_color='white').generate(weather_descriptions)  
  
# 显示词云图  
plt.figure(figsize=(10, 5))  
plt.imshow(wordcloud, interpolation='bilinear')  
plt.axis('off')  
plt.show()

注意事项：

1. API限制：许多天气API有请求频率和数量的限制，请确保你遵守这些限制。
2. 错误处理：在实际应用中，添加更多的错误处理逻辑，以确保数据的完整性和准确性。
3. API密钥：不要将API密钥硬编码在代码中，可以使用环境变量或配置文件来管理。
4. 数据清洗：在实际应用中，可能需要对数据进行进一步的清洗和处理，以去除异常值和缺失值。

通过上述步骤，你应该能够爬取全年的天气数据并进行基本的可视化分析。

Python学习资料（项目源码、安装包、激活码、电子书、视频教程）已经打包好啦！ 需要的小伙伴【点击领取】哦！或者下方扫码拿走！