### 使用 Python 爬取武汉过去一个月历史天气数据并进行网页可视化的整合代码 以下是完整的解决方案，包括爬虫部分、数据处理以及可视化部分。 #### 1. 安装依赖库 在运行以下代码之前，请确保安装所需的第三方库： ```bash pip install requests beautifulsoup4 pandas matplotlib flask plotly dash ``` --- #### 2. 爬虫部分：获取武汉历史天气数据 假设我们从某气象网站（如 Weather.com 或其他开放接口）抓取武汉的历史天气数据： ```python import requests from bs4 import BeautifulSoup import pandas as pd def fetch_weather_data(city, days=30): base_url = f"https://example.weatherapi.com/history/{city}/" headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64)"} all_data = [] for day in range(days): url = f"{base_url}{day}.html" response = requests.get(url, headers=headers) if response.status_code != 200: continue soup = BeautifulSoup(response.text, 'html.parser') date = soup.find('span', {'class': 'date'}).text.strip() temperature = float(soup.find('div', {'class': 'temperature'}).text.split()[0]) humidity = int(soup.find('div', {'class': 'humidity'}).text.split('%')[0]) precipitation = float(soup.find('div', {'class': 'precipitation'}).text.split('mm')[0]) all_data.append({ 'Date': date, 'Temperature': temperature, 'Humidity': humidity, 'Precipitation': precipitation }) df = pd.DataFrame(all_data) return df weather_df = fetch_weather_data("wuhan", days=30) # 获取武汉最近30天的数据 print(weather_df.head()) ``` 此代码会返回一个 `DataFrame` 对象，其中包含日期、温度、湿度和降水量等字段[^1]。 --- #### 3. 数据处理与清洗 为了更好地进行后续分析，我们需要对数据进行一些预处理操作： ```python # 转换 Date 列为 datetime 类型 weather_df['Date'] = pd.to_datetime(weather_df['Date']) # 设置 Date 作为索引列 weather_df.set_index('Date', inplace=True) # 查看前几行数据 print(weather_df.head()) # 描述性统计 print(weather_df.describe()) ``` --- #### 4. 可视化部分：绘制图表 我们可以使用 Matplotlib 和 Plotly 库来创建交互式的可视化效果。 ##### （1）静态图：Matplotlib 绘制气温变化曲线 ```python import matplotlib.pyplot as plt plt.figure(figsize=(12, 6)) plt.plot(weather_df.index, weather_df['Temperature'], label='Temperature (°C)', color='blue') plt.title('Wuhan Temperature Trend Over the Last Month') plt.xlabel('Date') plt.ylabel('Temperature (°C)') plt.legend() plt.grid(True) plt.show() ``` ##### （2）动态图：Plotly 创建交互式降水量柱状图 ```python import plotly.express as px fig = px.bar( weather_df.reset_index(), x="Date", y="Precipitation", title="Wuhan Precipitation Over the Last Month", labels={"Precipitation": "Precipitation (mm)", "Date": "Date"} ) fig.update_layout(xaxis_tickangle=-45) fig.show() ``` --- #### 5. Web 页面集成：Flask + Dash 实现在线可视化 下面是一个简单的 Flask/Dash 应用来展示上述数据的示例： ```python from dash import Dash, dcc, html import dash_bootstrap_components as dbc app = Dash(__name__, external_stylesheets=[dbc.themes.BOOTSTRAP]) app.layout = html.Div([ html.H1("Wuhan Historical Weather Data Visualization"), dcc.Graph(figure=px.line(weather_df.reset_index(), x="Date", y="Temperature")), dcc.Graph(figure=px.bar(weather_df.reset_index(), x="Date", y="Precipitation")) ]) if __name__ == '__main__': app.run_server(debug=True) ``` 将以上代码保存到文件中并运行它即可启动本地服务器，在浏览器中打开地址 `http://127.0.0.1:8050/` 即可看到可视化页面[^2]。 --- ### 总结 本方案涵盖了从数据采集到前端展示的全流程。通过爬虫技术获取武汉历史天气数据，并借助 Pandas 进行数据清理与整理；随后分别采用 Matplotlib 和 Plotly 提供静态与动态两种形式的可视化方式；最后利用 Flask/Dash 将结果部署至网页端以便用户直观查阅。