### 获取天气数据 为了获取上海的天气预报数据，可以采用Python中的`requests`库来发送HTTP请求，并通过BeautifulSoup解析网页内容。具体操作如下： ```python import requests from bs4 import BeautifulSoup url = 'https://lishi.tianqi.com/shanghai/202301.html' # 上海2023年1月天气网址 headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36'} res = requests.get(url, headers=headers) res.encoding = 'utf-8' html = BeautifulSoup(res.text, 'html.parser') tian_three = html.find("div", {"class": "tian_three"}) lishi = tian_three.find_all("li") data_all = [] for i in lishi: lishi_div = i.find_all("div") data = [j.text for j in lishi_div] data_all.append(data) print(data_all)[^2] ``` 这段代码实现了向指定URL发起GET请求，设置响应编码为UTF-8以确保中文字符能被正确显示，接着使用BeautifulSoup解析HTML文档结构，最后提取所需的数据。 ### 数据预处理 获得原始数据之后，通常还需要对其进行一定的清理工作，比如去除空白项、转换日期格式等，使这些数据更易于后续分析和展示。这一步骤虽然未在上述例子中体现出来，但在实际项目里是非常重要的环节之一[^1]。 ### 制作可视化图表 对于已经收集到的历史天气记录，可以通过matplotlib库绘制折线图或其他形式的时间序列图；也可以借助wordcloud库创建词频统计图。以下是基于WordCloud类生成词云的一个实例： ```python from wordcloud import WordCloud import matplotlib.pyplot as plt def generate_word_cloud(weather_data): wordcloud = WordCloud( font_path='C:\\Windows\\Fonts\\msyh.ttc', width=800, height=400, font_step=1, prefer_horizontal=0.9 ).generate(weather_data) plt.figure(figsize=(10, 5)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') plt.show() if __name__ == '__main__': weather_data = "" # 这里应该填入经过适当加工后的字符串型天气描述信息 generate_word_cloud(weather_data) ``` 此部分展示了如何配置WordCloud对象参数以及调用其方法完成图片渲染过程。注意，在正式运行前需先准备好合适的输入文本weather_data变量值[^3]。