Python+Pyecharts天气预报可视化!

今天是9月4日了，离一年一度的中秋节只剩下一周的时间了，提前祝大家中秋佳节快乐，另外可怕的是好像自己的觉都没有睡醒，而2019年就悄悄的只剩下三分之一了，即将进入的Q4季度，相比刚刚过去的炎炎夏日，秋天还是非常值得期待的，不仅庄稼收获满满，气温也是非常凉爽的，对于小编所在的宁夏地区来说，秋天的早晚温差还是很大，今天利用Python爬虫技术+Pyecharts可视化工具为大家呈现西北主要城市最近五天内的天气预报，只有了解了天气，再也不用担心妈妈喊你穿秋裤啦~~~

Python资源共享群：626017123

 

01

—

 

天气预报数据靠不靠谱儿？

 

数据来源：中华万年历API。

抓包中华万年历得到的接口（JSON）：

① 通过城市名字获得天气数据，得到一个json数据：

http://wthrcdn.etouch.cn/weather_mini?city=北京

② 通过城市ID获得天气数据，得到一个json数据：

http://wthrcdn.etouch.cn/weather_mini?citykey=101010100

上述两种方式都是可以的。

小编特地对比了一下，从中华万年历获取到的天气数据和中国天气网（www.weather.com.cn）获得的天气数据是一致的。

数据样例如下：

 

 

 

 

 

该json数据中包含了城市昨天的天气数据、当天的天气数据以及未来四天的天气数据，数据详情包括：日期、最高气温、最低气温、风向、风力以及天气，那么按照城市解析这个json数据串就可以得到我们想要的数据了。

02

—

想偷懒？数据整理+清洗少不了

 

因全国城市太多，所以小编只整理了主要城市（省会+主要地级市）的信息，定向提取这些城市近六天的天气数据，从数据样例中看出：源数据是以json格式存储的，并且温度数据是字符串形式，例如：“高温 37℃”，实际上在可视化中，温度还是以数字为主，所以还是需要将抓取到数据中所有有关温度的字符串改为数字，这样有利于数据可视化。

下面我们分步进行：

1. 第一步：抓取并解析json数据；

•  

# 先导入数据解析所需要的数据包
# -*- coding: utf-8 -*-
import urllib.request
import json
import gzip
import numpy as np
import pandas as pd

此次源数据格式为json格式，相对比较简单，所以只需要导入python基础包就可以了。

•  

# 数据源url，包括当天天气和未来四天的预报天气
    url = 'http://wthrcdn.etouch.cn/weather_mini?city=' + urllib.parse.quote(data.city_name[i])
    # 解析其中的天气气温数据    
    weather_data = urllib.request.urlopen(url).read()
    weather_data = gzip.decompress(weather_data).decode('utf-8')
    # 转化为json字符串
    weather_dict = json.loads(weather_data)
    
    if weather_dict.get('desc') == 'invilad-citykey':
        print('查询不到该城市天气信息'+data.city_name[i])
    elif weather_dict.get('desc') == 'OK':
        
        # 获取昨天的天气数据
        yesterday=weather_dict.get('data').get('yesterday')
        infod={'yesday':[yesterday.get('date')],
               'yeshigh':[yesterday.get('high')],
               'yeslow':[yesterday.get('low')],
               'yestype':[yesterday.get('type')]}
        infos=pd.DataFrame(infod)
        city_yesterdaydata=city_yesterdaydata.append(infos)
        # 获取城市名称
        infod={'city_name':[weather_dict.get('data').get('city')]}
        infos=pd.DataFrame(infod)
        city_name=city_name.append(infos)
        # 获取预测日期的天气数据
        forecast=weather_dict.get('data').get('forecast')
        infod={'curday':[forecast[0].get('date')],
               'curhigh':[forecast[0].get('high')],
               'curlow':[forecast[0].get('low')],
               'curtype':[forecast[0].get('type')],
               'oneday':[forecast[1].get('date')],
               'onehigh':[forecast[1].get('high')],
               'onelow':[forecast[1].get('low')],
               'onetype':[forecast[1].get('type')],
               'twoday':[forecast[2].get('date')],
               'twohigh':[forecast[2].get('high')],
               'twolow':[forecast[2].get('low')],
               'twotype':[forecast[2].get('type')],
               'theday':[forecast[3].get('date')],
               'thehigh':[forecast[3].get('high')],
               'thelow':[forecast[3].get('low')],
               'thetype':[forecast[3].get('type')],
               'forday':[forecast[4].get('date')],
               'forhigh':[forecast[4].get('high')],
               'forlow':[forecast[4].get('low')],
               'fortype':[forecast[4].get('type')]}
        infos=pd.DataFrame(infod)
        city_forecaet=city_forecaet.append(infos)
        
        # 合并上面提取好的数据
        city_info=pd.concat([city_name,city_yesterdaydata,city_forecaet],axis=1)
        city_infos=city_infos.append(city_info)

上面的部分代码是解析json源数据的，通过遍历即可获得所有想要城市近六天的天气信息。注意：提取城市为一般主要城市，例如省会或者是常听到的地级市，如果所在城市为自治州或者自治县等，有可能会提取失败。

提取的数据展示如下：

 

 

 

 

 

 

可以看到解析出来的数据中所有有关温度数据都包含“高温”、“低温”、“℃”这样的字符，实际上这样的字符是不需要的，那么可以通过下面的方式全部剔除掉：

•  

# 清洗数据（替换高温，低温等其他无效字符）
city_infos.yeshigh=city_infos.yeshigh.apply(lambda x:x.replace('高温','')).apply(lambda x:x.replace('℃',''))
city_infos.yeslow=city_infos.yeslow.apply(lambda x:x.replace('低温','')).apply(lambda x:x.replace('℃',''))

这样数据就比较干净了，如下：

 

 

 

 

 

 

接下来就要对上述数据进行可视化展示了。

03

—

强大的Pyecharts可视化工具

由于在初次安装Python时是默认不安装Pyecharts包的，所以在利用Pyecharts数据可视化之前，先确保自己电脑上的Python环境安装了pyecharts工具包，如果没有安装，可以问度娘，相关的文章特别的多，安装过程其实也非常简单，这里就不再赘述了。

安装好之后，在python环境中导入相关的包：

•  

from pyecharts.charts import *
from pyecharts import options as opts
from pyecharts.globals import ChartType, SymbolType
from pyecharts.render import make_snapshot
from snapshot_phantomjs import snapshot

那么接下来将获取到的数据用图的形式展示出来：

①全国主要城市今日最高气温分布

 

 

 

 

 

 

这张图其实是动态的，因小编尝试了好多次将动图保存为gif都失败了，所以这里贴上了静态图，以上是全国52个主要城市今日最高气温分布图，可以看到两个温度最高的城市分别是：重庆34°，桂林34°，华中华东以及整个华北地区的温度都在24-32°区间内，图中的那几个黄色点比较惹眼，可以看着那是我们的西北地区，青海、西藏和甘肃部分城市全天最高气温都还不到20°，这标识着全国城市中西北首先迈入凉爽的秋天。

②西北五省各城市明日最高最低气温分布图(面积图)

作为西北人，首先还是关注自己家乡的气温变化，这样就不用担心妈妈催着穿秋裤了，自觉还是很重要的。

 

 

 

 

 

这里我筛选了西北25个城市，可视化展示明日全天最高最低气温图，如上：可以看到西北火炉城市：吐鲁番，都已经是金秋送爽，丹桂飘香的季节了，全天气温最高还在37°，最低气温28°几乎很全部城市的最高气温持平，真的是名副其实的火焰山城市啊，另外还有其不相上下的哈密地区；西北城市中最凉爽TOP3：固原、平凉以及林芝，省会城市中西宁是真的凉爽，全天最高气温才21°，最近去青海湖游玩怕是要带厚秋裤了，还请大家自行准备，哈哈哈~

这里小编用面积图展示了西北五省主要城市最高最低温差，换一种方式再来展示一下子。

③西北五省各城市明日最高最低气温分布图(气泡图)

 

 

 

 

 

 

图中气泡大小表示温度的高低，气温越高气泡就越大，小编觉得相比面积图，气泡图相对更加直观一些。

 

04

—

动手才是实践的真理

深深的感触就是动手才是实践的真理，看了很多书但是不动手实践就是白搭，只有动手操作实现出来才能知道其中的坑在哪里，这样才能学以致用。 今天带领大家简单的 获取了主要城市未来六天的 天气预报数据 和 利用Pyecharts可视化展示， Pyecharts中有很多 很好玩的可视化 展示方法，各位 如若感兴趣的话 可以尝试一波。