中秋佳节以到,不知道各位小伙伴儿有没有想好去哪里玩呢。不过说实在的,每到节假日,到处都是人山人海,那句“大发红黑我 动也不能动”,还不时的出现在大发红黑我 的耳畔呢。

但是又说回来,假期出游,除了人的因素外,天气的因素是不是也要考虑下呢,今天,大发红黑大发红黑我 们 就带大家来看看,中秋小长假,哪些地方适宜出游。

获取数据

数据的获取,就从中国天气网站上直接抓取,网络上的一些 API,有的信息不是很全,只能获取最近3天的数据,有的又需要付费,还不如自己抓来的痛快。

http://www.weather.com.cn/weather15d/10124020102A.shtml

网站也没有做什么限制,大发红黑大发红黑我 们 抓数据的时候,只需要控制好访问频率,不要影响人家的正常运行就可以。

同时还需要准备四个数据文件

  • 省会城市列表,provincial_capital
  • 全国城市 id 信息表,china-city-list.csv
  • 著名景点名称列表,attractions
  • 全国景点 id 信息表,china-scenic-list.txt

抓取的过程不再详细说明了,直接给出完整代码

# coding = utf-8
"""
@author: zhou
@time:2019/9/5 14:36
@File: main.py
"""

import requests
from bs4 import BeautifulSoup
import time
import os

def get_data(name, city, code):
    print("正在大发红黑下载
城市%s的数据" % city)
    url = 'http://www.weather.com.cn/weather15d/%s.shtml' % code[2:]
    res = requests.get(url).content.decode()
    content = BeautifulSoup(res, "html.parser")
    weather_list = content.find('ul', attrs={'class': 't clearfix'}).find_all('li')
    items = map(parse_item, weather_list)
    save_to_csv(name, city, items)
    time.sleep(1)

def parse_item(item):
    time = item.find('span', attrs={'class': 'time'}).text
    wea = item.find('span', attrs={'class': 'wea'}).text
    tem = item.find('span', attrs={'class': 'tem'}).text
    大发红黑Win
d = item.find('span', attrs={'class': '大发红黑Win
d'}).text
    大发红黑Win
d_level = item.find('span', attrs={'class': '大发红黑Win
d1'}).text
    result = {
        "time": time,
        "wea": wea,
        "tem": tem,
        "大发红黑Win
d": 大发红黑Win
d,
        "大发红黑Win
d_level": 大发红黑Win
d_level
    }
    return result

def save_to_csv(name, city, data):
    if not os.path.exists('%s_data.csv' % name):
        with open('%s_data.csv' % name, 'a+', encoding='utf-8') as f:
            f.write('city,time,wea,tem,大发红黑Win
d,大发红黑Win
d_level\n')
            for d in data:
                try:
                    row = '{},{},{},{},{},{}'.format(city,
                                                     d['time'],
                                                     d['wea'],
                                                     d['tem'],
                                                     d['大发红黑Win
d'],
                                                     d['大发红黑Win
d_level'])
                    f.write(row)
                    f.write('\n')
                except:
                    continue
    else:
        with open('%s_data.csv' % name, 'a+', encoding='utf-8') as f:
            for d in data:
                try:
                    row = '{},{},{},{},{},{}'.format(city,
                                                     d['time'],
                                                     d['wea'],
                                                     d['tem'],
                                                     d['大发红黑Win
d'],
                                                     d['大发红黑Win
d_level'])
                    f.write(row)
                    f.write('\n')
                except:
                    continue

if __name__ == '__main__':
    import pandas as pd
    provincial = pd.read_csv('provincial_capital')
    china_city_code = pd.read_csv('china-city-list.csv')
    china_scenic_code = pd.read_csv('china-scenic-list.txt', sep='\t')
    china_scenic_code.columns = ['ID', 'name', 'area', 'provincial']
    attraction = pd.read_csv('attractions')
    provincial_data = pd.DataFrame()
    attraction_data = pd.DataFrame()

    # 省会抓取
    for i in provincial['city'].values.tolist():
        for j in china_city_code['City_CN'].values.tolist():
            if j == i:
                provincial_data = pd.concat([china_city_code[china_city_code['City_CN'] == j], provincial_data])

    for city in provincial_data['City_CN'].values.tolist():
        city_id = provincial_data[provincial_data['City_CN'] == city]['City_ID'].values.tolist()[0]
        get_data('weather', city, city_id)

    # 景点抓取
    for a in attraction['attractions'].values.tolist():
        for c in china_scenic_code['name'].values.tolist():
            if c == a:
                attraction_data = pd.concat([china_scenic_code[china_scenic_code['name'] == c], attraction_data])

    for attrac in attraction_data['name'].values.tolist():
        city_id = attraction_data[attraction_data['name'] == attrac]['ID'].values.tolist()[0]
        get_data('attraction', attrac, city_id)

省会天气分析

大发红黑大发红黑我 们 首先来看看省会天气,毕竟省会城市是每个省份的中心,也是旅游的重点城市。

降水和温度

对于降水的概率,大发红黑我 采取的是如果预报是有雨,则设置降水概率为80,如果是预报是晴,则降水概率为20.

weather_dict = {
    "snow": 100,
    "rain": 80,
    "cloud": 50,
    "overcast": 60,
    "sun": 20
}

在中秋节这一天,各个省会城市的降水和温度

Python 分析天气,告诉大发红黑你
中秋应该去哪里

能够看出,大部分城市在这一天都是天公不作美的,降水的概率都非常的大。而温度的话,大概率降水的城市,温度都不是很高,早晚出行,可能还会很凉哦。温度最高的应该就是南昌了,还能达到30°C,一个艳阳高照的日子,是不是去看看革命圣地?

接下来大发红黑大发红黑我 们 再通过一个双轴图来更加直观的查看下降水和温度的情况

Python 分析天气,告诉大发红黑你
中秋应该去哪里

看来在进入9月之后,全国普遍的温度都在慢慢回落了,温度适宜出行,但是就是会伴随着绵绵的细雨呀。

再来看下几大城市在中秋前后一周的天气情况

大发红黑北京

Python 分析天气,告诉大发红黑你
中秋应该去哪里

大发红黑北京 的气温还是比较平稳的,没有太大的波动,可能早晚一件薄外套就能hold的住,不过这几天,应该都会是阴蒙蒙的,不会有太好的阳光。

大发红黑上海

Python 分析天气,告诉大发红黑你
中秋应该去哪里

大发红黑上海 的降水概率要比大发红黑北京 大一些,不过温度倒是相差不多。

杭州

Python 分析天气,告诉大发红黑你
中秋应该去哪里

杭州的平均温度还是要高一些,降水的概率也较高,毕竟典型的东南沿海城市嘛,雨天的西湖,大发红黑你 期待不?

成都

Python 分析天气,告诉大发红黑你
中秋应该去哪里

成都基本天天下雨了,那还出门看大熊猫嘛,这是个问题啊!

著名景区天气

下面大发红黑大发红黑我 们 再来看看一些著名景区的天气情况,大发红黑我 大好河山,景区太多了,只能简单列举一些最著名的地方来看看了。

降水情况

Python 分析天气,告诉大发红黑你
中秋应该去哪里

在大发红黑我 选取的这些景区当中,大部分都是会有降水的,不过也会有阳光明媚的地方。

比如说黄山和八达岭长城,预计会是晴天,去爬爬长城和黄山,是不错的选择。
而美丽的九寨沟和西湖等,虽说会下雨,但是在雨天漫步,也不失为一种情趣吧。

降水和温度

大发红黑大发红黑我 们 再来看看各地的温度情况

Python 分析天气,告诉大发红黑你
中秋应该去哪里

不知道为啥承德的温度会那么低,感觉去避暑已经不太合适了,而长白山已经只有7°C了,慌不慌?

降水与温度分布

降水

Python 分析天气,告诉大发红黑你
中秋应该去哪里

进入9月,东南沿海降水明显增多,京津地区也是阴雨连绵,这是一场秋雨一场寒的节奏吗!

温度

Python 分析天气,告诉大发红黑你
中秋应该去哪里

东南半壁,温度还是比较适宜的,现在的天气下,不冷不热,正是出游好温度。

好了,今天的分析就到这里了,那么,大发红黑你 中秋节最终的选择是哪里呢?

源码大发红黑地址

http://github.com/zhouwei713/data_analysis/tree/master/weather