python语言基础与气象应用,python处理气象数据画图

大家好，小编为大家解答python气象数据分析与可视化的问题。很多人还不知道python语言基础与气象应用，现在让我们一起来看看吧！

Source code download: 本文相关源码

Python爬取天气数据及可视化分析

说在前面

天气预报我们每天都会关注，我们可以根据未来的天气增减衣物、安排出行，每天的气温、风速风向、相对湿度、空气质量等成为关注的焦点。本次使用python中requests和BeautifulSoup库对中国天气网当天和未来14天的数据进行爬取，保存为csv文件，之后用matplotlib、numpy、pandas对数据进行可视化处理和分析，得到温湿度度变化曲线、空气质量图、风向雷达图等结果，为获得未来天气信息提供了有效方法学python什么书比较好。

1.数据获取

请求网站链接

首先查看中国天气网的网址：http://www.weather.com.cn/weather/101280701.shtml这里就访问本地的天气网址，如果想爬取不同的地区只需修改最后的101280701地区编号即可，前面的weather代表是7天的网页，weather1d代表当天，weather15d代表未来14天。这里就主要访问7天和14天的中国天气网。采用requests.get()方法，请求网页，如果成功访问，则得到的是网页的所有字符串文本。这就是请求过程。

def getHTMLtext(url):

"""请求获得网页内容"""

try:

r = requests.get(url, timeout = 30)

r.raise_for_status()

r.encoding = r.apparent_encoding

print("成功访问")

return r.text

except:

print("访问错误")

return" "

提取有用信息

这里采用BeautifulSoup库对刚刚获取的字符串进行数据提取，首先对网页进行检查，找到需要获取数据的标签：

可以发现7天的数据信息在div标签中并且id=“7d”，并且日期、天气、温度、风级等信息都在ul和li标签中，所以我们可以使用BeautifulSoup对获取的网页文本进行查找div标签id=“7d”，找出他包含的所有的ul和li标签，之后提取标签中相应的数据值，保存到对应列表中。这里要注意一个细节就是有时日期没有最高气温，对于没有数据的情况要进行判断和处理。另外对于一些数据保存的格式也要提前进行处理，比如温度后面的摄氏度符号，日期数字的提取，和风级文字的提取，这需要用到字符查找及字符串切片处理。

def get_content(html):

"""处理得到有用信息保存数据文件"""

final = [] # 初始化一个列表保存数据

bs = BeautifulSoup(html, "html.parser") # 创建BeautifulSoup对象

body = bs.body

data = body.find('div', {'id': '7d'}) # 找到div标签且id = 7d

# 下面爬取当天的数据

data2 = body.find_all('div',{'class':'left-div'})

text = data2[2].find('').string

text = text[text.index('=')+1 :-2] # 移除改var data=将其变为json数据

jd = json.loads(text)

dayone = jd['od']['od2'] # 找到当天的数据

final_day = [] # 存放当天的数据

count = 0

for i in dayone:

temp = []

if count <=23:

temp.append(i['od21']) # 添加时间

temp.append(i['od22']) # 添加当前时刻温度

temp.append(i['od24']) # 添加当前时刻风力方向

temp.append(i['od25']) # 添加当前时刻风级

temp.append(i['od26']) # 添加当前时刻降水量

temp.append(i['od27']) # 添加当前时刻相对湿度

temp.append(i['od28']) # 添加当前时刻控制质量

#print(temp)

final_day.append(temp)

count = count +1

# 下面爬取7天的数据

ul = data.find('ul') # 找到所有的ul标签

li = ul.find_all('li') # 找到左右的li标签

i = 0 # 控制爬取的天数

for day in li: # 遍历找到的每一个li

if i < 7 and i > 0:

temp = [] # 临时存放每天的数据

date = day.find('h1').string # 得到日期

date = date[0:date.index('日')] # 取出日期号

temp.append(date)

inf = day.find_all('p') # 找出li下面的p标签,提取第一个p标签的值，即天气

temp.append(inf[0].string)

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

if inf[1].find('span') is None: # 天气预报可能没有最高气温

tem_high = None

else:

tem_high = inf[1].find('span').string # 找到最高气温

temp.append(tem_low[:-1])

if tem_high[-1] == '℃':

temp.append(tem_high[:-1])

else:

temp.append(tem_high)

wind = inf[2].find_all('span')# 找到风向

for j in wind:

temp.append(j['title'])

wind_scale = inf[2].find('i').string # 找到风级

index1 = wind_scale.index('级')

temp.append(int(wind_scale[index1-1:index1]))

final.append(temp)

i = i + 1

return final_day,final

同样对于/weather15d：15天的信息，也做同样的处理，这里经过查看后发现他的15天网页中只有8-14天，前面的1-7天在/weather中，这里就分别访问两个网页将爬取得到的数据进行合并得到最终14天的数据。

前面是未来14天的数据爬取过程，对于当天24小时的天气信息数据，经过查找发现他是一个json数据，可以通过json.loads()方法获取当天的数据，进而对当天的天气信息进行提取。

保存csv文件

前面将爬取的数据添加到列表中，这里引入csv库，利用f_csv.writerow(header)和f_csv.writerows(data)方法，分别写入表头和每一行的数据，这里将1天和未来14天的数据分开存储，分别保存为weather1.csv和weather14.csv，下面是他们保存的表格图：

2.可视化分析

当天温度变化曲线图

采用matplotlib中plt.plot()方法绘制出一天24小时的温度变化曲线，并用plt.text()方法点出最高温和最低温，并画出平均温度线，下图为温度变化曲线图：(代码见附录)

分析可以发现这一天最高温度为33℃，最低温度为28℃，并且平均温度在20.4℃左右，通过对时间分析，发现昼夜温差5℃，低温分布在凌晨，高温分布在中午到下午的时间段。

当天相对湿度变化曲线图

采用matplotlib中plt.plot()方法绘制出一天24小时的湿度变化曲线，并画出平均相对湿度线，下图为湿度变化曲线图：(代码见附录)

分析可以发现这一天最高相对湿度为86%，最低相对湿度为58℃，并且平均相对湿度在75