Python小程序(8)--空气质量指数计算+爬虫获取空气质量指数+数据分析
版本1.0
'''
功能：AQI计算
版本：1.0
'''
def cal_linear(iaqi_lo,iaqi_hi,bp_lo,bp_hi,cp):
'''
范围缩放
'''
iaqi = (iaqi_hi-iaqi_hi)*(cp-bp_lo)/(bp_hi-bp_lo) + iaqi_lo
return iaqi
def cal_pm_iaqi(pm_val):
'''
计算pm2.5的iaqi
'''
if 0 <= pm_val <36:
iaqi = cal_linear(0,50,0,35,pm_val )
elif 36 <= pm_val <76:
iaqi = cal_linear(50, 100, 35, 75, pm_val)
elif 76 <= pm_val <116:
iaqi = cal_linear(100, 150, 75, 115, pm_val)
elif 116 <= pm_val < 151:
iaqi = cal_linear(150, 200, 115, 150, pm_val)
elif 151 <= pm_val < 251:
iaqi = cal_linear(200, 300, 150, 250, pm_val)
elif 251 <= pm_val < 351:
iaqi = cal_linear(300, 400, 250, 350, pm_val)
elif 351 <= pm_val < 501:
iaqi = cal_linear(400, 500, 350, 500, pm_val)
return iaqi
def cal_co_iaqi(co_val):
'''
计算co的iaqi
'''
if 0 <= co_val <3:
iaqi = cal_linear(0,50,0,2,co_val )
elif 3 <= co_val <5:
iaqi = cal_linear(50, 100, 2, 4, co_val)
elif 5 <= co_val <15:
iaqi = cal_linear(100, 150, 4, 14, co_val)
elif 15 <= co_val < 25:
iaqi = cal_linear(150, 200, 14, 24, co_val)
elif 25 <= co_val < 37:
iaqi = cal_linear(200, 300, 24, 36, co_val)
elif 37 <= co_val < 49:
iaqi = cal_linear(300, 400, 36, 48, co_val)
elif 49 <= co_val < 61:
iaqi = cal_linear(400, 500, 48, 60, co_val)
return iaqi
def cal_aqi(param_list):
'''
AQI计算
'''
pm_val = param_list[0]
co_val = param_list[1]
pm_iaqi = cal_pm_iaqi(pm_val)
co_iaqi = cal_co_iaqi(co_val)
iaqi_list = []
iaqi_list.append(pm_iaqi)
iaqi_list.append(co_iaqi)
print(iaqi_list)
aqi = max(iaqi_list)
return aqi
def main():
print('请输入以下信息，用空格分割')
input_str = input('(1)PM2.5 (2)CO:')
str_list = input_str.split(' ')
pm_val = float(str_list [0])
co_val = float(str_list[1])
param_list = []
param_list.append(pm_val )
param_list.append(co_val)
#调用AQI计算函数
aqi_val = cal_aqi(param_list )
print('空气质量指数为：{}'.format(aqi_val))
if __name__ == '__main__':
main()版本2.0
新增功能：
读取已经获取的JSON数据文件
• 并将AQI前5的数据输出到文件
列表排序
• list.sort(func)
func指定了排序的方法
• func可以通过lambda函数实现
'''
功能：AQI计算
版本：2.0
'''
import json
def pricess_json_file(filepath):
'''
解码json文件
'''
f = open(filepath ,mode= 'r',encoding= 'utf-8')
city_list = json.load(f)
return city_list
def main():
filepath = input('请输入json文件路径：')
city_list = pricess_json_file(filepath)
city_list.sort(key=lambda city:city['aqi']) #根据aqi排序
top5_list = city_list [:5]
f = open('top5_aqi.json',mode= 'w',encoding= 'utf-8')
json.dump(top5_list ,f,ensure_ascii= False ) #写入文件
f.close()
print(city_list )
if __name__ == '__main__':
main()版本3.0
读取已经获取的JSON数据文件
• 并将其转换成CSV文件
• CSV(Comma-Separated Values)是一种通用的、相对简单的文件格式
• 在商业和科学领域上广泛使用
• 规则
1. 以行为单位
2. 每行表示一条记录
3. 以英文逗号分割每列数据(如果数据为空，逗号也要保留)
4. 列名通常放置在文件第一行
import csv
• csv.writerow(list) 将列表中的元素写入文件的一行中
'''
功能：AQI计算
版本：3.0
'''
import json
import csv
def pricess_json_file(filepath):
'''
解码json文件
'''
f = open(filepath ,mode= 'r',encoding= 'utf-8')
city_list = json.load(f)
return city_list
def main():
filepath = input('请输入json文件路径：')
city_list = pricess_json_file(filepath)
city_list.sort(key=lambda city:city['aqi']) #根据aqi排序
lines = []
#列名
lines.append(list(city_list[0].keys()))
for city in city_list:
lines.append(list(city.values()))
f = open('aqi.csv','w',encoding= 'utf-8',newline= '')
writer = csv.writer(f)
for line in lines:
writer.writerow(line)
f.close()
if __name__ == '__main__':
main()
版本4.0
根据输入的文件判断是JSON格式还是CSV格式，并进行相应的操作
文件操作补充：
CSV文件读取
imort csv
csv.reader() 将每行记录作为列表返回
• 使用with语句操作文件对象
使用with语句，不管在处理文件过程中是否发生异常，都能保证with语句执行完毕后关闭文件。不需要close()语句。
• os模块提供了与系统、目录操作相关的功能，不受平台的限制
'''
功能：AQI计算
版本：4.0
'''
import json
import csv
import os
def process_json_file(filepath):
'''
解码json文件
'''
# f = open(filepath ,mode= 'r',encoding= 'utf-8')
# city_list = json.load(f)
# return city_list
with open(filepath ,mode= 'r',encoding= 'utf-8') as f:
city_list = json.load(f)
print(city_list )
def process_csv_file(filepath):
'''
处理csv文件
'''
with open(filepath ,mode= 'r',encoding= 'utf-8') as f:
reader = csv.reader(f)
for row in reader:
print(','.join(row)) #行之间用，隔开
def main():
filepath = input('请输入文件路径：')
filename,file_ext = os.path.splitext(filepath )
if file_ext == '.json':
process_json_file(filepath )
elif file_ext == '.csv':
process_csv_file(filepath)
else:
print('不支持的文件格式')
if __name__ == '__main__':
main()版本5.0
为了能有效地提取并利用网络信息并工作提高效率，出现了网络爬虫
• 利用网络爬虫实时获取城市的空气质量
网络爬虫
自动抓取互联网信息的程序；利用互联网数据进行分析、开发产品
• 步骤：
1. 通过网络链接获取网页内容
2. 对获得的网页内容进行处理
requests模块
更多方法参考：http://docs.python-requests.org/
'''
功能：爬虫/获取AQI
版本：5.0
'''
import requests
def get_html_text(url):
'''
返回url的文本
'''
r = requests.get(url,timeout=30)
print(r.status_code) #判断是否成功打开网页
return r.text
def main():
city_pinyin = input('请输入城市的拼音：')
url = 'http://pm25.in/'+city_pinyin
url_text = get_html_text(url) #获取网页‘审查元素’中的文本
#浏览器中审查元素 找到所需数据的div位置
#注意也要把空格复制进去 因为空格也占位置
aqi_div = '''
'''
index = url_text.find(aqi_div) #获得aqi_div的起始序列号
begin_index = index+len(aqi_div) #aqi数值的起始序列号
end_index = begin_index + 2
aqi = url_text [begin_index:end_index ]
print('空气质量为：{}'.format(aqi))
if __name__ == '__main__':
main()
版本6.0
高效地解析和处理HTML，beautifulsoup4
BeautifulSoup
• 用于解析HTML或XML
• pip install beautifulsoup4
• import bs4
• 步骤
1. 创建BeautifulSoup对象
2. 查询节点
find，找到第一个满足条件的节点
find_all, 找到所有满足条件的节点
创建对象
• 创建BeautifulSoup对象
• bs = BeautifulSoup(
url,
html_parser, 指定解析器
enoding 指定编码格式（确保和网页编码格式一致）
)
查找节点
• next page
• 可按节点类型、属性或内容访问
• 按类型查找节点
• bs.find_all(‘a’)
• 按属性查找节点
• bs.find_all(‘a’, href=‘a.html’)
• bs.find_all(‘a’, href=‘a.html’, string=‘next page’)
• bs.find_all(‘a’, class_=‘a_link’)
• 注意：是class_
• 或者bs.find_all(‘a’, {‘class’:’a_link’})
网站审查元素：找到div节点
'''
功能：爬虫/获取AQI
版本：6.0
'''
import requests
from bs4 import BeautifulSoup
def get_city_aqi(city_pinyin):
'''
获取城市的AQI
'''
url = 'http://pm25.in/' + city_pinyin
r = requests.get(url,timeout=30)
soup = BeautifulSoup(r.text,'lxml')
div_list = soup.find_all('div',class_='span1')
city_aqi = []
for i in range(8): #一共有8个span1
div_content = div_list[i]
#print(div_content )
caption = div_content.find('div',class_='caption').text.strip() #.text.strip()去掉空格变成字符串格式
value = div_content.find('div',class_='value').text.strip()
city_aqi.append((caption,value))
return city_aqi
def main():
city_pinyin = input('请输入城市的拼音：')
city_aqi = get_city_aqi(city_pinyin )
print(city_aqi )
if __name__ == '__main__':
main()
版本7.0
功能：利用beautifulsoup4获取所有城市的空气质量
1. 首先获取所有的城市列表，及对应的url
2. 根据url获取城市的空气质量（6.0程序）
'''
功能：爬虫/获取AQI
版本：6.0
'''
import requests
from bs4 import BeautifulSoup
def get_city_aqi(city_pinyin):
'''
获取城市的AQI
'''
url = 'http://pm25.in/' + city_pinyin
r = requests.get(url,timeout=30)
soup = BeautifulSoup(r.text,'lxml')
div_list = soup.find_all('div',class_='span1')
city_aqi = []
for i in range(8): #一共有8个span1
div_content = div_list[i]
#print(div_content )
caption = div_content.find('div',class_='caption').text.strip() #.text.strip()去掉空格变成字符串格式
value = div_content.find('div',class_='value').text.strip()
city_aqi.append((caption,value))
return city_aqi
def get_all_cities():
'''
获取所有城市
'''
url = 'http://pm25.in/'
city_list = []
r = requests.get(url, timeout=30)
soup = BeautifulSoup(r.text, 'lxml')
city_div = soup.find_all('div',class_='bottom')[1] #因为url中有两个bottom，我们要的是第二个，所以用【1】
city_link_list = city_div.find_all('a')
for city_link in city_link_list : #遍历所有a节点
#print(city_link) #阿坝州 ...
city_name = city_link.text
#print(city_name) #阿坝州 ...
city_pinyin = city_link['href'][1:] #获取href属性，[1:]是不取前面的/
city_list.append((city_name,city_pinyin))
return city_list
def main():
city_list = get_all_cities()
for city in city_list:
city_name = city[0]
city_pinyin = city[1]
city_aqi = get_city_aqi(city_pinyin )
print(city_name,city_aqi )
if __name__ == '__main__':
main()
版本8.0
新增功能：将获取的所有城市空气质量保存成CSV数据文件
'''
功能：爬虫/获取AQI
版本：8.0
'''
import requests
from bs4 import BeautifulSoup
import csv
def get_city_aqi(city_pinyin):
'''
获取城市的AQI
'''
url = 'http://pm25.in/' + city_pinyin
r = requests.get(url,timeout=30)
soup = BeautifulSoup(r.text,'lxml')
div_list = soup.find_all('div',class_='span1')
city_aqi = []
for i in range(8): #一共有8个span1
div_content = div_list[i]
#print(div_content )
caption = div_content.find('div',class_='caption').text.strip() #.text.strip()去掉空格变成字符串格式
value = div_content.find('div',class_='value').text.strip()
city_aqi.append(value)
return city_aqi
def get_all_cities():
'''
获取所有城市
'''
url = 'http://pm25.in/'
city_list = []
r = requests.get(url, timeout=30)
soup = BeautifulSoup(r.text, 'lxml')
city_div = soup.find_all('div',class_='bottom')[1] #因为url中有两个bottom，我们要的是第二个，所以用【1】
city_link_list = city_div.find_all('a')
for city_link in city_link_list : #遍历所有a节点
#print(city_link) #阿坝州 ...
city_name = city_link.text
#print(city_name) #阿坝州 ...
city_pinyin = city_link['href'][1:] #获取href属性，[1:]是不取前面的/
city_list.append((city_name,city_pinyin))
return city_list
def main():
city_list = get_all_cities()
header = ['city','AQI','PM2.5/1h','PM10/1h','CO/1h','NO2/1h','O3/1h','O3/8h','SO2/1h']
with open('china_city_aqi.csv','w',encoding='utf-8',newline= '')as f:
writer = csv.writer(f)
writer.writerow(header)
#for city in city_list :
#输出索引号，查看写入进度
for i,city in enumerate(city_list):
if (i+1) % 10 == 0:
print('已处理{}行记录。共{}条记录'.format(i+1,len(city_list)) )
city_name = city[0]
city_pinyin = city[1]
city_aqi = get_city_aqi(city_pinyin )
#print(city_name,city_aqi )
row = [city_name] + city_aqi #city_name是字符串，city_aqi是列表，进行拼接操作
writer.writerow(row)
if __name__ == '__main__':
main()
版本9.0
新增功能：• 利用Pandas进行数据处理分析
Pandas的数据操作
Pandas
• 一个强大的分析结构化数据的工具集
• 基础是NumPy，提供了高性能矩阵的运算
• 应用，数据挖掘，数据分析
• 如，学生成绩分析、股票数据分析等。
• 提供数据清洗功能
Pandas的数据结构
Series
• 类似一维数组的对象
• 通过list构建Series
• ser_obj = pd.Series(range(10))
• 由数据和索引组成
• 索引在左，数据在右
• 索引是自动创建的
• 获取数据和索引
• ser_obj.index, ser_obj.values
• 预览数据
• ser_obj.head(n) #获取前n个数据
Series (续)
• 通过索引获取数据
• ser_obj[idx]
• 索引与数据的对应关系仍保持在数组运算的结果中
• 通过dict构建Series
• name属性
• ser_obj.name, ser_obj.index.name
DataFrame
• 类似多维数组/表格数据 (如，excel, R中的data.frame)
• 每列数据可以是不同的类型，what about ndarray?
• 索引包括列索引和行索引
DataFrame
• 通过ndarray构建DataFrame
• 通过dict构建DataFrame
• 通过列索引获取列数据（Series类型 ）
• df_obj[col_idx] 或 df_obj.col_idx
• 增加列数据，类似dict添加key-value
• df_obj[new_col_idx] = data
• 删除列
• del df_obj[col_idx]
索引操作
• DataFrame索引
• 列索引
• df_obj[‘label’]
• 不连续索引
• df_obj[[‘label1’, ‘label2’]]
排序
• sort_index，索引排序
• 对DataFrame操作时注意轴方向
• 按值排序
• sort_values(by=‘label’)
常用的统计计算
• sum, mean, max, min…
• axis=0 按列统计，axis=1按行统计
• skipna 排除缺失值， 默认为True
• idmax, idmin, cumsum
统计描述
• describe 产生多个统计数据
'''
功能：数据分析
版本：9.0
'''
import pandas as pd
def main():
aqi_data = pd.read_csv('china_city_aqi.csv')
#print(aqi_data.head(5))
#print(aqi_data['AQI']) #获取AQI列
#print(aqi_data[['AQI','city']])
print('基本信息')
print(aqi_data.info())
print('数据预览')
print(aqi_data.head())
#基本统计
print('AQI最大值',aqi_data['AQI'].max())
print('AQI最小值',aqi_data['AQI'].min())
print('AQI平均值',aqi_data['AQI'].mean())
#top10
top10_cities = aqi_data.sort_values(by= ['AQI'],ascending= True).head(10) #ascending= True为升序，False为降序
print('空气质量最好的10个城市:',top10_cities )
#bottom10
bottom10_cities = aqi_data.sort_values(by=['AQI'], ascending=True).tail(10) #tail取底部10个数据
#bottom10_cities = aqi_data.sort_values(by=['AQI'], ascending=False ).head(10) # ascending= True为升序，False为降序
print('空气质量最差的10个城市:', bottom10_cities)
#保存在csv文件
top10_cities.to_csv('top10_aqi.csv',index=False ) #index=False不输出索引号
bottom10_cities.to_csv('bottom10_aqi.csv',index=False )
if __name__ == '__main__':
main()
版本10.0
新增功能：数据清洗；利用Pandas进行数据可视化
• 处理缺失数据
dropna() 丢弃缺失数据
fillna() 填充缺失数据
• 数据过滤
df[filter_condition] 依据filter_condition对数据进行过滤
Pandas数据可视化
Pandas提供了内建的绘图功能（基于matplotlib）
• plot(kind, x, y, title, figsize)
x, y 横纵坐标对应的数据列
title图像名称
figsize图像尺寸
• 保存图片
plt.savefig()
• 更多例子请参考：https://pandas.pydata.org/pandas-docs/stable/visualization.html
'''
版本：10.0
'''
import pandas as pd
import matplotlib.pyplot as plt
#解决中文显示乱码
plt.rcParams['font.sans-serif'] = ['SimHei'] #指定黑体
plt.rcParams['axes.unicode_minus'] = False
def main():
aqi_data = pd.read_csv('china_city_aqi.csv')
#print(aqi_data.head(5))
#print(aqi_data['AQI']) #获取AQI列
#print(aqi_data[['AQI','city']])
print('基本信息')
print(aqi_data.info())
print('数据预览')
print(aqi_data.head())
#数据清洗
#只保留AQI大于0的数据
filter_condition = aqi_data['AQI']>0
clean_data = aqi_data[filter_condition]
#基本统计
print('AQI最大值',clean_data['AQI'].max())
print('AQI最小值',clean_data['AQI'].min())
print('AQI平均值',clean_data['AQI'].mean())
#top50
top50_cities = clean_data.sort_values(by= ['AQI'],ascending= True).head(50) #ascending= True为升序，False为降序
print('空气质量最好的50个城市:',top50_cities )
#bottom10
bottom10_cities = clean_data.sort_values(by=['AQI'], ascending=True).tail(10) #tail取底部10个数据
#bottom10_cities = clean_data.sort_values(by=['AQI'], ascending=False ).head(10) # ascending= True为升序，False为降序
print('空气质量最差的10个城市:', bottom10_cities)
#保存在csv文件
# top10_cities.to_csv('top10_aqi.csv',index=False ) #index=False不输出索引号
# bottom10_cities.to_csv('bottom10_aqi.csv',index=False )
#数据可视化
top50_cities.plot(kind = 'bar',x='city',y='AQI',title='空气质量最好的50个城市',
figsize=(20,10)) #kind为图表类型 bar为柱状图
##保存图片
plt.savefig('top50_aqi_bar.png')
plt.show()
if __name__ == '__main__':
main()