上一次分享了使用matplotlib对爬取的豆瓣书籍排行榜进行分析，但是发现python本身自带的这个绘图分析库还是有一些局限，绘图不够美观等，在网上搜索了一波，发现现在有很多的支持python的绘图库可以使用，本次尝试使用pyecharts对爬取的数据进行分析，然后发现这个库实在是太好用了，生成的库也很好看，还能生成动态图，简直是进行数据分析的一大神器！
pyecharts： pyecharts是一个封装百度开源图表库echarts的包,使用pyecharts可以生成独立的网页,也可以在flask、django中集成使用。
本次爬取的首页地址是：
http://www.tianqihoubao.com/lishi/nanjing.html
爬取步骤：
- 爬取主网页，获取进入每个南京市具体年份月份的天气数据的链接
- 爬取上方获取的具体链接的数据
- 存储数据
- 对数据进行筛选后使用pyecharts进行分析
话不多说，马上开始吧！
- 步骤一
从上图可知，我们需要先获取进入每个具体月份的链接，才能爬取想要的数据，所以首先定义获取具体链接的函数，然后在爬取会方便很多；查看网页源代码查找目标所在位置，本次我依然是使用lxml库来进行数据的爬取（PS：感觉习惯了lxml其他库就不好用了），这里需要注意的是，我是将获得的结果一个一个的存入列表，这种方法很笨，但作为菜鸟的我确实不知道其他方法了，还有就是发现爬取的部分链接缺了一点，所以又定义了一个函数来补上。
具体代码如下： 注：转载代码请标明出处
1 def get_mainurl(url): #定义获取月份天气的详细url 函数
2 res = requests.get(url, headers=headers)
3 main_url = []
4 if res.status_code == 200: #判断请求状态
5 selector = etree.HTML(res.text)
6 htmlurls = selector.xpath('//div[contains(@id,"content")]/div') #循环点
7 try:
8 for htmlurl in htmlurls:
9 Jan = htmlurl.xpath('ul[1]/li[2]/a/@href')[0] #一月份天气url
10 main_url.append(Jan) #将网址放入列表中，一个一个放是很蠢的方法，但我也确实不知道其他方法了，下同
11 Feb = htmlurl.xpath('ul[1]/li[3]/a/@href')[0] #二月份天气url
12 main_url.append(Feb)
13 Mar = htmlurl.xpath('ul[1]/li[4]/a/@href')[0] #同上，下类推
14 main_url.append(Mar)
15 Apr = htmlurl.xpath('ul[2]/li[2]/a/@href')[0]
16 main_url.append(Apr)
17 May = htmlurl.xpath('ul[2]/li[3]/a/@href')[0]
18 main_url.append(May)
19 June = htmlurl.xpath('ul[2]/li[4]/a/@href')[0]
20 main_url.append(June)
21 July = htmlurl.xpath('ul[3]/li[2]/a/@href')[0]
22 main_url.append(July)
23 Aug = htmlurl.xpath('ul[3]/li[3]/a/@href')[0]
24 main_url.append(Aug)
25 Sep = htmlurl.xpath('ul[3]/li[4]/a/@href')[0]
26 main_url.append(Sep)
27 Oct = htmlurl.xpath('ul[4]/li[2]/a/@href')[0]
28 main_url.append(Oct)
29 Nov = htmlurl.xpath('ul[4]/li[3]/a/@href')[0]
30 main_url.append(Nov)
31 Dec = htmlurl.xpath('ul[4]/li[4]/a/@href')[0]
32 main_url.append(Dec)
33
34 time.sleep(0.5) #休眠0.5s
35 except IndexError:
36 pass
37 return main_url #将存了所有url的列表返回
38 else:
39 pass
40
41
42 def link_url(url): #上面获取的url是不完整的，此函数使其完整
43 final_urls= []
44 list_urls = get_mainurl(url)
45 for list_url in list_urls:
46 if len(list_url) < 30: #因为获取的url有一些少了‘/lishi/’，所以需要判断一下
47 list_url = 'http://www.tianqihoubao.com/lishi/' + list_url
48 final_urls.append(list_url)
49 else:
50 list_url = 'http://www.tianqihoubao.com' + list_url
51 final_urls.append(list_url)
52 return final_urls
- 步骤二
接下来是获取所需的数据，遍历所在节点就行了，需要注意的是要跳过第一个节点，因为其内部没有内容。
代码如下：
def get_infos(detail_url): #爬取月份天气详细数据函数
main_res = requests.get(detail_url, headers=headers)
main_sele = etree.HTML(main_res.text)
main_infos = main_sele.xpath('//div[@class="hd"]/div[1]/table/tr')
i = True
try:
for info in main_infos:
if i: #此处i的作用是跳过第一次循环，因为第一个是非天气数据
i = False
continue
else:
date = info.xpath('td[1]/a/text()')[0].replace("\r\n", '').replace(' ', '') #去掉换行符、空格等，下同
weather = info.xpath('td[2]/text()')[0].replace("\r\n", '').replace(' ', '')
temps = info.xpath('td[3]/text()')[0].replace('\r\n', '').replace(' ', '')
clouds = info.xpath('td[4]/text()')[0].replace("\r\n", '').replace(' ', '')
with open('Nanjing.csv', 'a+', newline='', encoding='utf-8')as fp: #存入csv文件
writer = csv.writer(fp)
writer.writerow((date, weather, temps, clouds))
except IndexError:
pass
- 步骤三
接下来执行主程序存储就行了，使用了多进程来爬取加快速度，所以爬取的数据排列可能不按顺序，使用wps或excel自行排序即可。
下方附上剩余代码：
import requests
from lxml import etree
import time
import csv
from multiprocessing import Pool
#请求头
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/73.0.3683.103 Safari/537.36'
}
if __name__ == '__main__': #执行主程序
url = 'http://www.tianqihoubao.com/lishi/nanjing.html' #获取月份天气url的网址
get_mainurl(url)
details = link_url(url)
with open('Nanjing.csv', 'a+', newline='', encoding='utf-8')as ff: #写入第一行作为表头
writer = csv.writer(ff)
writer.writerow(('日期', '天气状况', '气温', '风力风向'))
pool = Pool(processes=4) #使用多进程爬取
pool.map(get_infos, details) #需要注意爬取结果并不是按顺序的，可以用excel进行排序部分数据如下：
- 步骤四
进行数据分析之前，先用pandas的read_csv()方法将数据读出，然后将2011-2018年的温度和天气状况提取出来进行分析，这里温度需要将数字提取出来，天气状况需要将 ‘/’去掉，还有因为一天的天气数据是多个的（例如一天气温有最高温和最低温），所以后面分析时发现数据量大于8年总天数，这是正常的。
由于我也是第一次使用pyecharts，所以话不多说，直接上代码：
1 import pandas as pd
2 from pyecharts import Line, Pie, Page, Bar
3
4
5 page = Page(page_title='南京气温分析') #page 使多个图位于一个网页，网页名
6
7 pd.set_option('display.max_rows', None) #设置使dataframe 所有行都显示
8 df = pd.read_csv('Nanjing.csv') #读取天气数据
9
10 #获取最高气温
11 Max_temps = []
12 for max_data in df['气温']:
13 Max_temps.append(int(max_data[0:2].replace('℃','')))
14 Max_temps = Max_temps[:-109]
15
16 #获取最低气温
17 Low_temps = []
18 for low_data in df['气温']:
19 Low_temps.append(int(low_data[-3:-1].replace('/', '')))
20 Low_temps = Low_temps[:-109]
21
22 #获取2011年一月气温数据
23 attr = ['{}号'.format(str(i))for i in range(1,32)]
24 Jan_Htemps = Max_temps[:31]
25 Jan_Ltemps = Low_temps[:31]
26 #绘制气温折线图
27 line = Line('南京市2011年一月气温变化') #赋予将折线图对象， 命名
28 line.add('当日最高气温', attr, Jan_Htemps, mark_point=['average', 'max', 'min'], #显示平均、最大/小值
29 mark_point_symbol='diamond', #特殊点用钻石形状显示
30 mark_point_textcolor='red', #标注点颜色
31 is_smooth=True #图像光滑
32 )
33 line.add('当日最低气温', attr, Jan_Ltemps, mark_point=['average', 'max', 'min'],
34 mark_point_symbol='arrow',
35 mark_point_textcolor='blue'
36 )
37 line.use_theme('dark') #背景颜色
38 line.show_config() #调试输出pyecharts的js配置信息
39 page.add_chart(line) #添加到page
40
41 #统计2011-2018年的每天最高温的气温分布情况，分四个阶梯
42 Hzero_down = Hthrity_up = Hzup_fifdown = Hfifup_thrdown = 0
43 for i in Max_temps:
44 if i <= 0:
45 Hzero_down += 1
46 elif i<=15:
47 Hzup_fifdown += 1
48 elif i<=30:
49 Hfifup_thrdown += 1
50 else:
51 Hthrity_up +=1
52
53 #统计2011-2018年的每天最高温的气温分布情况分，分四个阶层
54 Lfiv_down = L25_up = Lfiv_tendown = Ltenup_25down = 0
55 for i in Low_temps:
56 if i <= -5:
57 Lfiv_down += 1
58 elif i<=10:
59 Lfiv_tendown += 1
60 elif i<=25:
61 Ltenup_25down += 1
62 else:
63 L25_up +=1
64
65 #绘图
66 attr2 = ['0℃及以下', '0-15℃', '15-30℃', '30℃及以上'] #标签属性
67 H_data = [Hzero_down, Hzup_fifdown, Hfifup_thrdown, Hthrity_up] #数据
68 pie = Pie('南京市2011年-2018年每日最高气温分布', title_pos='center', title_color='red') #绘制饼图，标题位于中间,标题颜色
69 pie.add('',attr2, H_data, is_label_show=True, #展示标签
70 legend_pos='right', legend_orient='vertical', #标签位置，标签排列
71 label_text_color=True, legend_text_color=True, #标签颜色
72 )
73 pie.show_config()
74 page.add_chart(pie, name='饼图')
75
76 #绘制环形图
77 attr3 = ['-5℃及以下', '-5-10℃', '10-25℃', '25℃及以上']
78 L_data = [Lfiv_down, Lfiv_tendown, Ltenup_25down, L25_up]
79 pie2 = Pie('南京市2011年-2018年每日最低气温分布', title_pos='center')
80 pie2.add('',attr3, L_data, radius=[30, 70], is_label_show=True, #radius环形图内外圆半径
81 label_text_color=None, legend_orient='vertical',
82 legend_pos='left', legend_text_color=None
83 )
84 pie2.show_config()
85 page.add_chart(pie2, name='环形图')
86
87
88 #绘制南京2011-2018年天气状况条形统计图
89 Weather_NJ = []
90 for Weathers in df['天气状况']:
91 Weather_s = Weathers.split('/')
92 Weather_NJ.append(Weather_s[0])
93 Weather_NJ.append(Weather_s[1])
94 Weather_NJ = Weather_NJ[:-218]
95
96 sunny = rainy = yin_cloudy = lightening = duo_cloudy = snowy = 0
97 for t in Weather_NJ:
98 if t == '晴':
99 sunny += 1
100 elif t == '阴':
101 yin_cloudy += 1
102 elif t == '多云':
103 duo_cloudy += 1
104 elif t == '雷阵雨':
105 lightening += 1
106 elif '雨' in t and t != '雨夹雪':
107 rainy += 1
108 elif '雪' in t:
109 snowy += 1
110 else:
111 pass
112 Weather_attr = ['晴', '雨天', '多云', '阴天', '雷阵雨', '雪天']
113 Weather_datas = [sunny, rainy, duo_cloudy, yin_cloudy, lightening, snowy]
114 bar = Bar('南京市2011-2018年天气情况统计', '注意：一天有两个天气变化，部分日期天气情况可能丢失', title_pos='center')
115 bar.add('天气状况', Weather_attr, Weather_datas, is_more_utils=True,
116 mark_point=['max', 'min'], legend_pos='right'
117 )
118 bar.show_config()
119 page.add_chart(bar)
120
121 page.render('all_analysis.html') #网页地址图像结果如下：
是不是发现使用pyecharts得到的图表更加好看，这里上传的图片是静态的，在网页打开的时查看其实是动态的。
这里只爬取了南京市的历史天气，感兴趣的朋友可以尝试爬取更多城市的，甚至可以在此基础上编写一个小软件，随时随地查看不同地区的历史天气，不过前提是该网站的源代码不发生大变动。
本次分享就到此为止，如果有错误或者疑问或者是建议欢迎大家随时指正，我也会积极回应。
原文出处：https://www.cnblogs.com/berryguotoshare/p/10774173.html
来源：oschina
链接：https://my.oschina.net/u/4271175/blog/3265169