北京全年天气状况分析

共计 2713 个字符，预计需要花费 7 分钟才能阅读完成。

本文来自 @范洺源投稿，在其基础上做了点修改
最近在学爬虫和数据分析，看到天气网上有国内城市一年的天气历史数据，想以此为数据源练习一下，于是就有了这个项目。今天在此简单介绍一下实现思路和最终效果。
用到的相关库包括：

requests
bs4
pandas
matplotlib
seaborn
pyecharts

分析数据源
天气网的历史天气预报查询页面（http:// lishi.tianqi.com/）上有各城市的数据。以北京为例，打开页面之后经过简单的尝试就可以发现，每个月的数据是以 http://lishi.tianqi.com/{城市的拼音}/{年份 + 月份}.html 这样的地址来展示的，于是可据此构建一个函数，函数的作用是默认返回北京市 2018 年 1 月到 12 月的 url：

def get_url(city=’beijing’):
for time in range(201801,201813):
url = “http://lishi.tianqi.com/{}/{}.html”.format(city,time)
yield url

爬取数据
有了 url 地址就可以用 requests 来抓取。这里要注意，得加上自己的 cookies，否则会返回 404 页面，应该是对方网站做了反爬。拿到返回值之后，我用 bs4 库的 select 函数提取数据。select 函数使用的是 css 选择器的语法。由于需要进行一定的数据分析，所以这里没有将数据保存到文件，而是直接使用 pandas 的 dataframe 进行储存。

html = requests.get(url=url, headers=header, cookies=cookie)
soup = BeautifulSoup(html.content, ‘html.parser’)
date = soup.select(“#tool_site > div.tqtongji2 > ul > li:nth-of-type(1) > a”)
max_temp = soup.select(“#tool_site > div.tqtongji2 > ul > li:nth-of-type(2)”)
min_temp = soup.select(“#tool_site > div.tqtongji2 > ul > li:nth-of-type(3)”)
weather = soup.select(“#tool_site > div.tqtongji2 > ul > li:nth-of-type(4)”)
wind_direction = soup.select(“#tool_site > div.tqtongji2 > ul > li:nth-of-type(5)”)
date = [x.text for x in date]
max_temp = [x.text for x in max_temp[1:]]
min_temp = [x.text for x in min_temp[1:]]
weather = [x.text for x in weather[1:]]
wind_direction = [x.text for x in wind_direction[1:]]
data = pd.DataFrame([date,max_temp,min_temp,weather,wind_direction]).T

对 12 个月份进行抓取后再汇总，就得到了北京 2018 年全年的天气数据，包括最高温度、最低温度、天气状况、风向等信息。适当加工下信息，我们用一些图表来进行可视化的展示：
平均温度的分布

seaborn.distplot(result[‘ 平均温度 ’])

平均温度是使用每日最高温度和最低温度取平均的值。北京平均温度在 0 度和 20 多度的日子是最多的。
按月查看温度走势

result.groupby(result[‘ 日期 ’].apply(lambda x:x.month)).mean().plot(kind=’line’)

天气状况分布

seaborn.countplot(result[‘ 天气状况 ’])

晴天和多云是北京一年中主要的天气。
各月降水天数统计

line = pyecharts.Line(“ 各月降水天数统计 ”)
line.add(“ 降水天数 ”, month, is_rain, is_fill=True, area_opacity=0.7, is_stack=True)
line.add(“ 未降水天数 ”, month, no_rain, is_fill=True, area_opacity=0.7, is_stack=True)

这里用 pyecharts 做了一个堆叠折线图。北京的降水天数不多，主要在 7、8 月份。可以对比下重庆的数据，差别就很明显了：

风向统计

directions = [‘ 北风 ’, ‘ 西北风 ’, ‘ 西风 ’, ‘ 西南风 ’, ‘ 南风 ’, ‘ 东南风 ’, ‘ 东风 ’, ‘ 东北风 ’]
schema = []
v = []
days = result[‘ 风向 ’].value_counts()
for d in directions:
schema.append((d,100))
v.append(days[d])
v = [v]
radar = pyecharts.Radar()
radar.config(schema)
radar.add(“ 风向统计 ”, v, is_axisline_show=True)

为了让结果更加直观，这里采用了 pyecharts 里的雷达图，并且将 8 个维度按真实方向的角度来排列。通常认为，北京冬季盛行西北风，夏季盛行东南风。不过从数据上来看，西南风才是北京 2018 年的最热门的风向。
以上就是我这个项目所做的工作，内容还是比较基础的。大家可以做进一步的扩展，比如爬取其他的城市，然后进行全国多城市的天气比较，或者结合地图进行可视化。
几个相关库的官网都很不错，供参考：

requests http://cn.python-requests.org/zh_CN/latest/

bs4 https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/

pyecharts http://pyecharts.org/

seaborn http://seaborn.pydata.org/

pandas https://pandas.pydata.org/

站内搜索