### 天气数据 Python 可视化对比分析报告实例 以下是一个关于天气数据的 Python 可视化对比分析报告实例，结合了爬取数据、数据处理和可视化的过程： #### 1. 数据获取与存储 通过 `weather.py` 文件实现对天气数据的爬取，并将结果保存为 CSV 文件。使用 `requests` 和 `BeautifulSoup` 模块从中国天气网获取天气信息[^2]。 ```python import requests from bs4 import BeautifulSoup import pandas as pd def fetch_weather_data(url): response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') # 假设数据结构已知，提取日期、气温等信息 dates = [item.text for item in soup.select('.date')] temperatures = [item.text for item in soup.select('.temperature')] data = {'日期': dates, '气温': temperatures} df = pd.DataFrame(data) df.to_csv('weather_data.csv', index=False, encoding='utf-8') fetch_weather_data('http://www.weather.com.cn/') ``` #### 2. 数据处理 加载 CSV 文件中的天气数据，并进行必要的预处理，如分离最高气温和最低气温[^3]。 ```python import pandas as pd # 加载数据 data = pd.read_csv('weather_data.csv', encoding='utf-8') # 分离最高气温和最低气温 data['最低气温'] = data['气温'].str.split('/').str[0].str.replace('℃', '').astype(int) data['最高气温'] = data['气温'].str.split('/').str[1].str.replace('℃', '').astype(int) # 提取日期和其他相关字段 dates = data['日期'] lows = data['最低气温'] highs = data['最高气温'] ``` #### 3. 数据可视化 利用 `matplotlib` 和 `pygal` 进行数据的可视化对比分析[^2]。 ##### 3.1 使用 Matplotlib 绘制折线图 展示最低气温和最高气温随时间的变化趋势。 ```python import matplotlib.pyplot as plt # 设置字体以支持中文显示 plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 绘制折线图 plt.figure(figsize=(10, 6)) plt.plot(dates, highs, label='最高气温', color='red', marker='o') plt.plot(dates, lows, label='最低气温', color='blue', marker='o') plt.title('天气数据对比分析') plt.xlabel('日期') plt.ylabel('温度 (℃)') plt.legend() plt.xticks(rotation=45) plt.tight_layout() plt.show() ``` ##### 3.2 使用 Pygal 绘制雷达图 比较不同城市的天气特征（例如温度范围、湿度等）[^2]。 ```python import pygal # 示例数据：假设比较三个城市的天气特征 city_a = [20, 30, 60, 80] city_b = [15, 25, 50, 70] city_c = [10, 20, 40, 60] radar_chart = pygal.Radar() radar_chart.title = '城市天气特征对比' radar_chart.x_labels = ['最低气温', '最高气温', '湿度', '风速'] radar_chart.add('City A', city_a) radar_chart.add('City B', city_b) radar_chart.add('City C', city_c) radar_chart.render_to_file('city_weather_comparison.svg') ``` #### 4. 结果分析 通过上述可视化图表，可以清晰地观察到： - 折线图展示了气温随时间的变化趋势，便于发现季节性规律。 - 雷达图则提供了多维度的对比分析，适合用于综合评估不同城市的天气条件。 ---