首页 > 编程入门 文章详情

Python爬取180天的天气信息及数据分析

编程入门 行业动态 更新时间:2024-10-28 09:22:03

Python爬取180天的<a href=https://www.elefans.com/category/jswz/34/1769711.html style=天气信息及数据分析"/>

Python爬取180天的天气信息及数据分析

Python爬取180天的天气信息及数据分析

  • 前言
    • 一、爬虫部分
      • 1.选定网址
        • （1）网址选择
        • （2）分析
      • 2.获取成都7天的天气信息
        • （1）请求成都最近7天天气信息的网站
        • （2）获取成都7天的天气信息
          • a.通过text方法获取网页源代码
          • b.解析网页源码
          • c.获取数据
      • 3.获取成都40天的天气信息
        • （1）分析网站
        • （2）动态网页的数据
        • （3）尝试获取动态网页数据
          • a.测试1：使用随机用户代理（此方法失败）
          • b.测试2：设置headers参数（此方法成功）
      • 4.获取成都180天的天气数据
    • 二、数据处理及可视化展示
      • 1.分析数据
      • 2.获取数据
        • （1）获取一个月数据并处理
        • （2）处理180天数据
      • 3.保存数据
      • 4.天气信息可视化展示
        • （1）成都——深圳平均温度对比图
        • （2）成都——深圳最高温度对比图
        • （3）成都——深圳最低温度对比图
        • （4）成都——深圳温度区间天数图
        • （5）成都半年每日最高温度占比
        • （6）成都半年每日最高温度占比——南丁格尔图

前言

这篇文章记录以下两点：
1.获取天气信息的方法和步骤以及遇到的问题和改进方法
2.获取到天气信息后进行数据清洗和可视化展示

总的来说，就是将网站中的天气信息通过爬虫技术保存在文件中，再通过对文件中的文本数据进行处理后用图表方式展现出来。

一、爬虫部分

1.选定网址

（1）网址选择
  • 因为要对网站内的数据进行获取，第一步就是要找到存在对应信息的网址，这里选择一个天气网站
  • 通过robots协议可知，该网站可以进行爬虫爬取
（2）分析
  • 主页网站并没有需要的大量天气信息；
  • 思考：我们想要获取天气信息应该是针对某一城市的某些天；
  • 在主页中找到该网址（这里以成都的天气为例）：xxx/weather40d/101270101.shtml
  • 通过该网站发现，当点击40天的天气信息时，网址URL的第一个路径为weather40d；
  • 点击其他选项卡，不难发现，依次为：今天（1d），7天（无，这里需要避坑），8-15天（15d）；
  • 除此之外，尾部路径的数字101270101代表的是成都市；101110101代表西安市；

2.获取成都7天的天气信息

（1）请求成都最近7天天气信息的网站
  • 首先请求，看是否正常
# coding:utf-8
import requestsdef get_data(url):headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"}r = requests.get(url=url,headers=headers)if r.status_code == 200:print('请求成功')else:print('请求失败')URL = '.shtml'get_data(URL)
  • 下面图片为输出结果，说明该网站可以正常请求访问

  • 目前看来没有问题，开始准备获取成都最近7天的天气信息
（2）获取成都7天的天气信息

我们发现天气信息是保存在网页源代码里，只需要获取网页源代码后进行解析即可获取到数据

a.通过text方法获取网页源代码
# coding:utf-8
import requestsdef get_data(url):headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"}r = requests.get(url=url, headers=headers)if r.status_code == 200:# 设置编码格式r.encoding = 'UTF-8'# 通过text方法返回网页源码return r.textelse:return '请求失败'URL = '.shtml'print(get_data(URL))
b.解析网页源码

  • 显然，需要的信息在类名为c7d、id名为7d的div标签下，它里面只有一个ul标签（该标签为列表标签），ul标签里有需要的7天的天气信息，为7个li标签；
  • 总的来说，只需要找到id名为7d的div标签，便可找到天气信息，紧接着找到ul标签，遍历其中的li标签，提取信息即可。
c.获取数据
URL = '.shtml'
# 调用函数获取网页源代码
html_code = get_data(URL)
soup = BeautifulSoup(html_code, "html.parser")div = soup.find("div", id="7d")
# 获取div标签，下面这种方式也可以
# div = soup.find('div', attrs={'id': '7d', 'class': 'c7d'})  # div
ul = div.find("ul")  # ul
lis = ul.find_all("li")  # li# 此行为该网站更新信息时间
# print(soup.find("div", id='around').find("h1").find("i").text)
li_today = lis[0]
# 发现在晚上访问该网站，今日的天气是没有最高气温，需要手动添加，无法遍历添加
weather_list = []
weather = []
# 添加今天的数据
date_today = li_today.find('h1').text  # 日期
wea_today = li_today.find('p', class_="wea").text  # 天气
tem_h_today = 'NONE'
tem_l_today = li_today.find('p', class_="tem").find("i").text  # 温度最低
spans_today = li_today.find('p', attrs={"class": "win"}).find_all("span")
win1_today = ''  # 风向
for s in spans_today:win1_today += s.get('title') + '且'
win2_today = li_today.find('p', attrs={"class": "win"}).find("i").text  # 风力weather_today = [date_today, wea_today, tem_h_today, tem_l_today, win1_today + win2_today]weather_all = []
# 添加剩下6天的数据
for li in lis[1:]:date = li.find('h1').text  # 日期wea = li.find('p', class_="wea").text  # 天气tem_h = li.find('p', class_="tem").find("span").text  # 温度最高tem_l = li.find('p', class_="tem").find("i").text  # 温度最低spans = li.find('p', attrs={"class": "win"}).find("span")  # 此处不需要find_allwin1 = spans.get('title') + '且'  # 风向win2 = li.find('p', attrs={"class": "win"}).find("i").text  # 风力weather = [date, wea, tem_h, tem_l, win1 + win2]weather_all.append(weather)# 插入首天数据
weather_all.insert(0, weather_today)
print(weather_all)
  • 通过以上方式，便可得到7天的数据。

3.获取成都40天的天气信息

（1）分析网站
  • 7天的天气信息过少，需要获取更多数据；
  • 此刻，以获取7天天气信息的方式去获取40天天气信息时，发现，并没有需要的天气信息；
  • 经过对比，在网页的检查功能中，可以找到天气信息，但是在网页源代码中并没有该数据；
  • 下图为检查功能中的天气信息：
  • 下图为网页源代码中的天气：
  • 对比发现，所需的天气信息，在网页源代码中是空白，我们便知此处是由动态网页生成，那就需要找到动态网页中保存数据的文件。
（2）动态网页的数据
  • 一般来说，动态网页的数据保存在网页文件夹里的JSON文件中，只需要找到该文件即可；
  • 依旧在审查元素(右键检查)里，找到Network；
  • 刚点进去是一片空白，因为该网页已经渲染完毕，只需要刷新即可重新渲染
  • 继续通过XHR过滤器寻找JSON文件，是一片空白
  • 继续通过JS过滤器寻找，发现了所需的文件
（3）尝试获取动态网页数据
  • 需要在headers找到重新请求的网站；
# coding:utf-8
import requestsdef get_data(web_url):headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"}r = requests.get(url=web_url, headers=headers)if r.status_code == 200:# 返回响应对象中JSON解码的数据内容weather_data = r.json()return weather_dataelse:return '请求失败！'url = '.html'
data = get_data(url)
print(data)
  • 通过上述方法，并不能请求成功，发现错误代码403
a.测试1：使用随机用户代理（此方法失败）
# coding:utf-8
import requests
import randomdef get_data(web_url):my_headers = ["Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36","Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14","Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)",'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11','Opera/9.25 (Windows NT 5.1; U; en)','Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)','Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)','Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12','Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9',"Mozilla/5.0 (X11; Linux i686) AppleWebKit/535.7 (KHTML, like Gecko) Ubuntu/11.04 Chromium/16.0.912.77 Chrome/16.0.912.77 Safari/535.7","Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:10.0) Gecko/20100101 Firefox/10.0 "]random_header = random.choice(my_headers)headers = {'User-Agent': random_header}r = requests.get(url=web_url, headers=headers)if r.status_code == 200:# 返回响应对象中JSON解码的数据内容html_data = r.json()return html_dataelse:return '爬取失败！'url = '.html'
data = get_data(url)
print(data)
  • 依旧失败
b.测试2：设置headers参数（此方法成功）
  • 不难发现，headers中有个Referer参数，该参数说明：当前网址是由此参数对应值所包含的网站跳转过来，为了防止恶意请求，添加上该参数，便可正常请求了
# coding:utf-8
import requests
import random
import jsondef get_data(web_url):my_headers = ["Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36","Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0","Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14","Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)",'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11','Opera/9.25 (Windows NT 5.1; U; en)','Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)','Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)','Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12','Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9',"Mozilla/5.0 (X11; Linux i686) AppleWebKit/535.7 (KHTML, like Gecko) Ubuntu/11.04 Chromium/16.0.912.77 Chrome/16.0.912.77 Safari/535.7","Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:10.0) Gecko/20100101 Firefox/10.0 "]random_header = random.choice(my_headers)# 获取随机headersheaders = {"Referer": "/",'User-Agent': random_header}r = requests.get(url=web_url, headers=headers)if r.status_code == 200:content = r.content.decode(encoding='utf-8')# 此json文件中前面有变量名，剔除变量名，只要后面的数组数据weathers = json.loads(content[11:])return weatherselse:return '爬取失败！'url = '.html'
data = get_data(url)
print(data)
  • 仔细观察，此URL末尾便是对应年月，于是只需要修改末尾的年月数据，便可获取大量天气信息；

4.获取成都180天的天气数据

def get_y_m_url():# 定义列表url_listurl_list = []# 使用format功能构造每月数据的urlfor month_2022 in range(1, 7):url_2022 = '{}.html'.format(month_2022)# 保存多月数据的url到列表url_list中url_list.append(url_2022)return url_listurl_list_all = get_y_m_url()
# for循环遍历列表url_list
for url in url_list_all:# 调用函数get_data获取每月数据weather_data = get_data(url)# 打印输出每月数据print(weather_data)

二、数据处理及可视化展示

1.分析数据

  • 首先分析第一个月的数据，其实只需要的是日期、降雨概率、最高温度、最低温度；

2.获取数据

（1）获取一个月数据并处理
  • 获取一个月的数据进行整理
# 创建空列表保存天气数据列表
weather_info = []
url = '.html'
# 调用函数进行数据获取
weather_data = get_data(url)
for every_day_weather in weather_data:# 日期date = every_day_weather['date']# 降雨概率rainfall_probability = every_day_weather['hgl']# 最高温tem_max = every_day_weather['hmax']# 最低温tem_min = every_day_weather['hmin']# 将以上四个数据保存在字典里，为一天的数据one_day_weahther = {'date': date, 'rainfall_probability': rainfall_probability, 'tem_max': tem_max,'tem_min': tem_min}# 将每天的数据保存在列表里weather_info.append(one_day_weahther)
print(weather_info)
  • 下图为获取到的1个月的天气信息
（2）处理180天数据
# 创建空列表保存天气数据列表
weather_info = []
# for循环遍历列表url_list
for url in url_list_all:# 调用函数get_data获取每月数据weather_data = get_data(url)for every_day_weather in weather_data:# 日期date = every_day_weather['date']# 降雨概率rainfall_probability = every_day_weather['hgl']# 最高温tem_max = every_day_weather['hmax']# 最低温tem_min = every_day_weather['hmin']# 将以上四个数据保存在字典里，为一天的数据one_day_weahther = {'date': date, 'rainfall_probability': rainfall_probability, 'tem_max': tem_max,'tem_min': tem_min}# 将每天的数据保存在列表里，同时去重if one_day_weahther not in weather_info:weather_info.append(one_day_weahther)

3.保存数据

  • 将180天的数据信息以CSV格式保存下来
# 保存天气数据到CSV文件
def save_csv(weather_data):# 打开文件csv_file = open('weather_info.csv', 'w', encoding='UTF-8-SIG', newline='\n')# 设置表头信息fieldnames=['date', 'rainfall_probability', 'tem_max', 'tem_min']fieldnames = ['date', 'rainfall_probability', 'tem_max', 'tem_min']# 创建DictWriter对象,并返回给变量dict_writerdict_writer = csv.DictWriter(csv_file, fieldnames=fieldnames)# 使用writeheader功能写入表头信息dict_writer.writeheader()# 使用writerows功能写入多行数据dict_writer.writerows(weather_data)# 关闭文件csv_file.close()save_csv(weather_info_final)

4.天气信息可视化展示

（1）成都——深圳平均温度对比图

line = (Line(init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),bg_color='rgba(255,250,205,0.2)',width='1000px',height='600px',page_title='成都——深圳平均天气对比图',# 设置主题theme=ThemeType.MACARONS)).add_xaxis(xaxis_data=x).add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True).add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True).set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳平均温度对比图"),xaxis_opts=opts.AxisOpts(name='年月'),yaxis_opts=opts.AxisOpts(name='温度  单位：℃'), ).render('compare_average_tem.html')
)
（2）成都——深圳最高温度对比图

import csv
import pyecharts.options as opts
from pyecharts.charts import Line
import numpyline = (Line(init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),bg_color='rgba(255,250,205,0.2)',width='1000px',height='600px',page_title='成都——深圳最高温度对比图',theme=ThemeType.ROMANTIC)).add_xaxis(xaxis_data=x).add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True).add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True).set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳最高温度对比图"),xaxis_opts=opts.AxisOpts(name='年月'),yaxis_opts=opts.AxisOpts(name='温度  单位：℃'), ).render('compare_max_tem.html')
)
（3）成都——深圳最低温度对比图

import csv
import pyecharts.options as opts
from pyecharts.charts import Line
import numpy
line = (Line(init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),bg_color='rgba(255,250,205,0.2)',width='1000px',height='600px',page_title='成都——深圳最低温度对比图',theme=ThemeType.WESTEROS)).add_xaxis(xaxis_data=x).add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True).add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True).set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳最低温度对比图"),xaxis_opts=opts.AxisOpts(name='年月'),yaxis_opts=opts.AxisOpts(name='温度  单位：℃'), ).render('compare_min_tem.html'))
（4）成都——深圳温度区间天数图

import csv
from pyecharts.globals import ThemeType
import pyecharts.options as opts
from pyecharts.charts import Bar
import pandas as pd
bar = (Bar(# 设置果冻特效动画init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),bg_color='rgba(255,250,205,0.2)',width='1000px',height='600px',page_title='成都——深圳温度区间天数图',theme=ThemeType.INFOGRAPHIC)).add_xaxis(xaxis_data=x).add_yaxis(series_name="成都", y_axis=cd_max_count).add_yaxis(series_name="深圳", y_axis=sz_max_count).set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳温度区间天数图"),xaxis_opts=opts.AxisOpts(name='温度区间'),yaxis_opts=opts.AxisOpts(name='天数  单位：天'), ).render('compare_tem_count.html'))
（5）成都半年每日最高温度占比

pie = (Pie(# 设置果冻特效动画init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),bg_color='rgba(255,250,205,0.2)',width='1000px',height='600px',page_title='成都半年每日最高温度占比',# theme=ThemeType.INFOGRAPHIC)).add('成都180天高温温度占比',list(zip(attr_tem_interval, cd_max_count)),).set_global_opts(title_opts=opts.TitleOpts(title="成都半年每日最高温度占比"),legend_opts=opts.LegendOpts(pos_left='center', pos_bottom='bottom', orient="horizontal"))# a:系列名称（标题），b:数据项名称，c:数值，d:百分比.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}天({d}%)'))# 设置每块区域的颜色.set_colors(['#00FFFF', '#00BFFF', '#FFD700', '#FFA500', '#FF0000']).render('cd_tem_pie.html'))
（6）成都半年每日最高温度占比——南丁格尔图

pie = (Pie(# 设置果冻特效动画init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),bg_color='rgba(255,250,205,0.2)',width='1000px',height='600px',page_title='成都半年每日最高温度占比——南丁格尔图',# theme=ThemeType.INFOGRAPHIC)).add('成都180天高温温度占比',list(zip(attr_tem_interval, cd_max_count)),# 是否展示成南丁格尔图，通过半径区分数据大小。可选择两种模式：# 'radius' 扇区圆心角展现数据的百分比，半径展现数据的大小。# 'area' 所有扇区圆心角相同，仅通过半径展现数据大小。rosetype="radius",# 饼图的半径，数组的第一项是内半径，第二项是外半径（如果两项均设置则为环状图）# 默认设置成百分比，相对于容器高宽中较小的一项的一半radius="55%",# 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标# 默认设置成百分比，设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度center=["50%", "50%"],).set_global_opts(title_opts=opts.TitleOpts(title="成都半年每日最高温度占比——南丁格尔图"),legend_opts=opts.LegendOpts(pos_left='center', pos_bottom='bottom', orient="horizontal"))# a:系列名称（标题），b:数据项名称，c:数值，d:百分比.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}天({d}%)'))# 设置每块区域的颜色.set_colors(['#00FFFF', '#00BFFF', '#FFD700', '#FFA500', '#FF0000']).render('cd_tem_pie_coxcomb.html'))

若本篇内容对您有所帮助，请三连点赞，关注，收藏支持下。

创作不易，白嫖不好，各位的支持和认可，就是我创作的最大动力，我们下篇文章见！

圈圈仔OvO | 文

如果本篇博客有任何错误，请批评指教，不胜感激 ！

更多推荐

Python爬取180天的天气信息及数据分析

本文发布于:2024-03-04 20:45:02，感谢您对本站的认可！
本文链接:https://www.elefans.com/category/jswz/34/1710377.html
版权声明:本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
本文标签：天气   数据   信息   Python

发布评论

评论列表 （有 0 条评论）

最近发表

草根站长

>www.elefans.com

编程频道|电子爱好者 - 技术资讯及电子产品介绍！

热门文章

标签列表