基于机器学习的天气数据分析与预测系统 |
您所在的位置：网站首页 › 2021年天气预测 › 基于机器学习的天气数据分析与预测系统 |
基于机器学习的天气数据分析与预测系统
|
温馨提示：文末有 CSDN 平台官方提供的学长 QQ 名片 :) 1. 项目简介本项目利用网络爬虫技术从某天气预报网站抓取某一城市的历史天气数据，构建天气数据分析与预测系统，实现对天气状况、最高气温、最低气温、风力和风向等维度的可视化分析和横向纵向比较， 并构建机器学习聚类算法实现对天气数据的预测分析。 B站详情与代码下载：基于数据挖掘的城市天气与空气质量数据分析及预测_哔哩哔哩_bilibili 本系统2023年12月进行了迭代升级，以下为升级后的系统演示视频。 基于数据挖掘的城市天气数据分析及预测 2. 功能组成基于机器学习的天气数据分析与预测系统的功能组成如下图所示：
天气数据主要包括：天气状况、气温、风力风向、AQI指数等，本项目利用 python 编写网络爬虫从某天气预报网站抓取热门城市的天气数据： years = [2016, 2017, 2018, 2019, 2020, 2021] months = list(range(1, 13)) all_city = [] all_date = [] all_tianqi = [] all_qiwen = [] all_feng = [] year_months = [] for year in years: for month in months: year_months.append('{}{}'.format(year, month if month > 9 else '0{}'.format(month))) for city in city_map: for year_month in year_months: print('爬取{} {} 的气温数据'.format(city, year_month)) url = 'http://www.xxxxxx.com/lishi/{}/month/{}.html'.format(city_map[city], year_month) response = requests.get(url) response = response.text soup = BeautifulSoup(response, 'lxml') items = soup.table.find_all('tr') for i, item in enumerate(items): if i == 0: continue data = item.find_all('td') all_city.append(city) date = remove_space(data[0].text) tianqi = remove_space(data[1].text) qiwen = remove_space(data[2].text) feng = remove_space(data[3].text) all_date.append(date) all_tianqi.append(tianqi) all_qiwen.append(qiwen) all_feng.append(feng) weather_df = pd.DataFrame({'城市': all_city, '日期': all_date, '天气状况': all_tianqi, '气温': all_qiwen, '风力风向': all_feng}) weather_df.to_csv('weather_data.csv', encoding='utf8', index=False) 4. 基于机器学习的天气数据分析与预测系统 4.1 系统注册登录
系统提供热门城市（北京、上海、天津、重庆、贵阳、海口等30余个）按照年份和月份查询当月的天气数据：
通过对热门城市近几年的气温变化、天气状况、风力风向等指标的统计分析，可实现城市天气变化的整体把握：
通过对热门城市近几年的气温变化分析，包括最低气温和最高气温，可发现气温基本呈现升高的态势，也反应出全球气候变暖问题的严重性！ def analysis_weather_year1_year2(city, start_year, end_year): """开始结束年间的天气变化分析""" start_year, end_year = int(start_year), int(end_year) df = weather_df[(weather_df['城市'] == city) & (weather_df['年'] >= start_year) & (weather_df['年'] |
【本文地址】
今日新闻 |
推荐新闻 |