Python实战教程:爬取中国天气网数据并深入分析

介绍

本教学文章将详细介绍如何使用Python来爬取中国天气网(http://www.weather.com.cn/)的天气数据,包括当天和未来14天的天气信息。我们将通过具体的步骤和代码示例,演示如何使用requests库发起HTTP请求,以及使用BeautifulSoup库解析HTML文档,最后使用pandas和matplotlib进行数据清洗、处理和可视化。

细分步骤与详细代码

第一步:环境准备

确保你的Python环境已经安装了requestsBeautifulSouppandasmatplotlib等库。如果没有安装,可以通过pip安装:

pip install requests beautifulsoup4 pandas matplotlib

第二步:确定数据来源

中国天气网的天气数据URL格式为:

  • 当天数据: http://www.weather.com.cn/weather/城市编号.shtml
  • 未来14天数据: http://www.weather.com.cn/weather/城市编号15d.shtml
  • 其中,“城市编号”可以替换为不同的城市编码,例如北京为101010100。

    第三步:爬取数据

    我们将编写Python函数来请求网页并获取HTML内容。

    
    	import requests 
    
    	from bs4 import BeautifulSoup 
    
    	
    
    
    	def get_html(url): 
    
    	"""请求网页并返回HTML内容""" 
    
    	try: 
    
    	headers = { 
    
    	'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36' 
    
    	} 
    
    	response = requests.get(url, headers=headers, timeout=30) 
    
    	response.raise_for_status() 
    
    	return response.text 
    
    	except requests.RequestException as e: 
    
    	print(e) 
    
    	return None 
    
    	
    
    
    	# 示例URL 
    
    	url_today = 'http://www.weather.com.cn/weather/101010100.shtml' 
    
    	url_14d = 'http://www.weather.com.cn/weather/10101010015d.shtml' 
    
    	
    
    
    	html_today = get_html(url_today) 
    
    	html_14d = get_html(url_14d)

    第四步:解析HTML并提取数据

    使用BeautifulSoup解析HTML,并提取所需的数据。

    def parse_html(html):  
        """解析HTML并提取天气数据"""  
        if not html:  
            return []  
          
        bs = BeautifulSoup(html, 'html.parser')  
          
        # 假设这里我们只提取日期、天气、温度等基本信息  
        # 具体的解析方式需要根据实际HTML结构来编写  
        data = []  # 存储解析后的数据  
          
        # 这里是示例代码,具体实现需根据网页结构调整  
        # 例如,对于7天和14天的数据,可能需要分别处理  
        # 查找div标签id为'7d'或'15d'  
          
        # 提取7天数据示例  
        # div_7d = bs.find('div', {'id': '7d'})  
        # 遍历ul和li标签提取数据  
      
        # 提取当天数据示例  
        # 可能需要解析嵌套的script标签中的JSON数据  
          
        # 这里假设你已经知道如何提取数据,并存储在data列表中  
        # 示例:data.append([日期, 天气, 最高温, 最低温, ...])  
          
        return data  
      
    # 解析数据  
    data_today = parse_html(html_today)  
    data_14d = parse_html(html_14d)

    第五步:数据清洗与处理

    使用pandas对数据进行清洗和处理,如去除重复数据、处理缺失值等。
     

    import pandas as pd  
      
    # 假设data_today和data_14d已经按照预期格式提取了数据  
    df_today = pd.DataFrame(data_today, columns=['日期', '天气', '最高温', '最低温'])  
    df_14d = pd.DataFrame(data_14d, columns=['日期', '天气', '最高温', '最低温'])  
      
    # 数据清洗示例:去除空值  
    df_today.dropna(inplace=True)  
    df_14d.dropna(inplace=True)

    第六步:数据可视化

    使用matplotlib库对清洗后的数据进行可视化,以便更直观地了解天气变化。

    import matplotlib.pyplot as plt  
      
    # 绘制当天温度图  
    plt.figure(figsize=(10, 5))  
    plt.plot(df_today['日期'], df_today['最高温'], label='最高温', marker='o')  
    plt.plot(df_today['日期'], df_today['最低温'], label='最低温', marker='x')  
    plt.title('当天温度变化')  
    plt.xlabel('日期')  
    plt.ylabel('温度 (°C)')  
    plt.legend()  
    plt.grid(True)  
    plt.show()  
      
    # 绘制未来14天温度图(这里假设'日期'列是字符串,需要转换为日期类型以便排序)  
    df_14d['日期'] = pd.to_datetime(df_14d['日期'])  
    df_14d.sort_values(by='日期', inplace=True)  
      
    plt.figure(figsize=(15, 7))  
    plt.plot(df_14d['日期'], df_14d['最高温'], label='最高温', marker='o')  
    plt.plot(df_14d['日期'], df_14d['最低温'], label='最低温', marker='x')  
    plt.title('未来14天温度变化')  
    plt.xlabel('日期')  
    plt.ylabel('温度 (°C)')  
    plt.xticks(rotation=45)  # 旋转x轴标签,避免重叠  
    plt.legend()  
    plt.grid(True)  
    plt.show()

    第七步:数据保存

    将处理后的数据保存到CSV文件中,方便后续分析和使用。

    # 保存数据到CSV文件  
    df_today.to_csv('weather_today.csv', index=False)  
    df_14d.to_csv('weather_14d.csv', index=False)

    第八步:注意事项与扩展

    1. 反爬虫机制:在实际应用中,许多网站都设置了反爬虫机制,如限制访问频率、验证码等。如果遇到这些问题,可能需要使用代理IP、设置合适的请求头、使用Selenium等工具来模拟浏览器行为。

    2. 法律与道德:在爬取任何网站的数据之前,请确保你的行为符合相关法律法规以及网站的robots.txt文件规定。尊重网站的数据版权和隐私政策。

    3. 数据更新:天气数据是实时更新的,因此如果你需要获取最新数据,需要定期运行你的爬虫程序。

    4. 错误处理:在编写爬虫时,应添加适当的错误处理逻辑,如网络请求失败、HTML结构变化等情况下的异常处理。

    5. 数据扩展:除了基本的天气信息外,你还可以尝试爬取更多维度的数据,如空气质量、风向风速、湿度等,以满足不同的分析需求。

    通过以上步骤,你可以成功使用Python爬取并分析中国天气网的天气数据。希望这篇文章对你有所帮助!

    最后需要完整代码和Python全套学习籽料的伙计可以扫描下方CSDN官方微信二维码进行获娶

    作者:编程咕咕gu-

    物联沃分享整理
    物联沃-IOTWORD物联网 » Python实战教程:爬取中国天气网数据并深入分析

    发表回复