长治网上制作网站,自己做一个网站需要多少钱,wpf算是网站开发吗,注册个人工作室流程及费用嗨害大家好鸭#xff01;我是小熊猫~ 毕业设计大家着急吗#xff1f;
没事#xff0c;我来替大家着急 源码、素材python永久安装包:点击此处跳转文末名片获取 本文知识点: 动态数据抓包 requests发送请求 结构化非结构化数据解析 开发环境: python 3.8 运行代码 pycharm 2…嗨害大家好鸭我是小熊猫~ 毕业设计大家着急吗
没事我来替大家着急 源码、素材python永久安装包:点击此处跳转文末名片获取 本文知识点: 动态数据抓包 requests发送请求 结构化非结构化数据解析 开发环境: python 3.8 运行代码 pycharm 2021.2 辅助敲代码 requests
如果安装python第三方模块: win R 输入 cmd 点击确定 输入安装命令 pip install 模块名 (pip install requests)回车 在pycharm中点击Terminal(终端) 输入安装命令 代码实现: 发送请求获取数据解析数据保存数据 采集天气数据代码
import requests
import parsel
import csvwith open(天气.csv, modea, encodingutf-8, newline) as f:csv_writer csv.writer(f)csv_writer.writerow([日期, 最高温度, 最低温度, 天气, 风向, 城市])
city_list [54511, 58362, 59287, 59493]
for city in city_list:for year in range(2011, 2022):for month in range(1, 13):url fhttps://tianqi.2345.com/Pc/GetHistory?areaInfo%5BareaId%5D{city}areaInfo%5BareaType%5D2date%5Byear%5D{year}date%5Bmonth%5D{month}源码、资料电子书点击这里获取 1. 发送请求
response requests.get(urlurl)2. 获取数据
json_data response.json()3.解析数据 # 结构化数据解析html_data json_data[data]selector parsel.Selector(html_data)# 正则 css xpath json字典数据解析tr_list selector.css(.history-table tr)# tr_list[1:] 从列表的第二个元素开始取for tr in tr_list[1:]:# Xfhwaeuifhwiuf/Xtd tr.css(td::text).getall()if td[2] °:td[2] td[1]if city 54511:td.append(北京)elif city 58362:td.append(上海)elif city 59287:td.append(广州)elif city 59493:td.append(深圳)print(td)# 文件名 写入方式 追加写入 编码方式 utf-8 数据空行with open(天气.csv, modea, encodingutf-8, newline) as f:csv_writer csv.writer(f)csv_writer.writerow(td)数据分析代码
导入包
import pandas as pd
import datetime
from pyecharts import options as opts
from pyecharts.charts import *
from pyecharts.commons.utils import JsCode读入数据
data pd.read_csv(天气.csv)
data数据预览
data.sample(5)data.info()分割日期/星期
data[[日期,星期]] data[日期].str.split( ,expandTrue,n1)
data去除多余字符
data[[最高温度,最低温度]] data[[最高温度,最低温度]].apply(lambda x: x.str.replace(°,))
data.head()计算下雪天气
data.loc[data[天气].str.contains(雪),下雪吗]是
data.fillna(否,inplaceTrue)分割日期时间
data[日期] pd.to_datetime(data[日期])
data[[最高温度,最低温度]] data[[最高温度,最低温度]].astype(int)data[年份] data[日期].dt.year
data[月份] data[日期].dt.month
data[日] data[日期].dt.day
# 预览
data.sample(5)各城市初雪的时间
s_data data[data[下雪吗]是]
s_data[(s_data[月份]9)].groupby(年份).first().reset_index()
各城市下雪天气分布
s_data.groupby([城市,年份])[日期].count().to_frame(下雪天数).reset_index()
做透视表
data_bj data[(data[年份] 2021) (data[城市] 北京)]
data_bj data_bj.groupby([月份,天气], as_indexFalse)[日期].count()data_pivot pd.pivot(data_bj,values日期,index月份,columns天气)
data_pivot data_pivot.astype(float)
# 按照 索引年月倒序排序
data_pivot.sort_index(ascendingFalse,inplaceTrue)
# 资料、解答、教程可加扣扣qun540305994免费领
data_pivot
python源码籽料540305994 ### 源码领取
北上广深2021年10月份天气热力图分布
import matplotlib.pyplot as plt
import matplotlib.colors as mcolors
import seaborn as sns#设置全局默认字体 为 雅黑
plt.rcParams[font.family] [Microsoft YaHei]
# 设置全局轴标签字典大小
plt.rcParams[axes.labelsize] 14
# 设置背景
sns.set_style(darkgrid,{font.family:[Microsoft YaHei, SimHei]})
# 设置画布长宽 和 dpi
plt.figure(figsize(18,8),dpi100)
# 自定义色卡
cmap mcolors.LinearSegmentedColormap.from_list(n,[#95B359,#D3CF63,#E0991D,#D96161,#A257D0,#7B1216])
# 绘制热力图ax sns.heatmap(data_pivot, cmapcmap, vmax30, annotTrue, # 热力图上显示数值linewidths0.5,)
# 将x轴刻度放在最上面
ax.xaxis.set_ticks_position(top)
plt.title(北京最近10个月天气分布,fontsize16) #图片标题文本和字体大小
plt.show()data_gz data[(data[年份] 2021) (data[城市] 广州)]
data_gz data_gz.groupby([月份,天气], as_indexFalse)[日期].count()
data_sz data[(data[年份] 2021) (data[城市] 深圳)]
data_sz data_sz.groupby([月份,天气], as_indexFalse)[日期].count()
data_sh data[(data[年份] 2021) (data[城市] 上海)]
data_sh data_sh.groupby([月份,天气], as_indexFalse)[日期].count()python学习交流Q群540305994 ### 源码领取
data_pivot_sz pd.pivot(data_sz,values日期,index月份,columns天气)
data_pivot_sz data_pivot_sz.astype(float)
# 按照 索引年月倒序排序
data_pivot_sz.sort_index(ascendingFalse,inplaceTrue)#设置全局默认字体 为 雅黑
plt.rcParams[font.family] [Microsoft YaHei]
# 设置全局轴标签字典大小
plt.rcParams[axes.labelsize] 14
# 设置背景
sns.set_style(darkgrid,{font.family:[Microsoft YaHei, SimHei]})
# 设置画布长宽 和 dpi
plt.figure(figsize(18,8),dpi100)
# 自定义色卡
cmap mcolors.LinearSegmentedColormap.from_list(n,[#95B359,#D3CF63,#E0991D,#D96161,#A257D0,#7B1216])
# 绘制热力图ax_sz sns.heatmap(data_pivot_sz, cmapcmap, vmax31, annotTrue, # 热力图上显示数值linewidths0.5,)
# 将x轴刻度放在最上面
ax_sz.xaxis.set_ticks_position(top)
plt.title(深圳最近10个月天气分布,fontsize16) #图片标题文本和字体大小
plt.show()data_pivot_gz pd.pivot(data_gz,values日期,index月份,columns天气)
data_pivot_gz data_pivot_gz.astype(float)
# 按照 索引年月倒序排序
data_pivot_gz.sort_index(ascendingFalse,inplaceTrue)#设置全局默认字体 为 雅黑
plt.rcParams[font.family] [Microsoft YaHei]
# 设置全局轴标签字典大小
plt.rcParams[axes.labelsize] 14
# 设置背景
sns.set_style(darkgrid,{font.family:[Microsoft YaHei, SimHei]})
# 设置画布长宽 和 dpi
plt.figure(figsize(18,8),dpi100)
# 自定义色卡
cmap mcolors.LinearSegmentedColormap.from_list(n,[#95B359,#D3CF63,#E0991D,#D96161,#A257D0,#7B1216])
# 绘制热力图ax_sz sns.heatmap(data_pivot_gz, cmapcmap, vmax31, annotTrue, # 热力图上显示数值linewidths0.5,)
# 将x轴刻度放在最上面
ax_sz.xaxis.set_ticks_position(top)
plt.title(广州最近10个月天气分布,fontsize16) #图片标题文本和字体大小
plt.show()data_pivot_sh pd.pivot(data_sh,values日期,index月份,columns天气)
data_pivot_sh data_pivot_sh.astype(float)
# 按照 索引年月倒序排序
data_pivot_sh.sort_index(ascendingFalse,inplaceTrue)#设置全局默认字体 为 雅黑
plt.rcParams[font.family] [Microsoft YaHei]
# 设置全局轴标签字典大小
plt.rcParams[axes.labelsize] 14
# 设置背景
sns.set_style(darkgrid,{font.family:[Microsoft YaHei, SimHei]})
# 设置画布长宽 和 dpi
plt.figure(figsize(18,8),dpi100)
# 自定义色卡
cmap mcolors.LinearSegmentedColormap.from_list(n,[#95B359,#D3CF63,#E0991D,#D96161,#A257D0,#7B1216])
# 绘制热力图ax_sz sns.heatmap(data_pivot_sh, cmapcmap, vmax31, annotTrue, # 热力图上显示数值linewidths0.5,)
# 将x轴刻度放在最上面
ax_sz.xaxis.set_ticks_position(top)
plt.title(上海最近10个月天气分布,fontsize16) #图片标题文本和字体大小
plt.show()data_bj data[(data[城市]北京) (data[年份] 2021)]
data_bj[日期] pd.to_datetime(data_bj.日期,format%Y年%m月%d日)
data_bj data_bj.sort_values(by日期,ascendingTrue)
北京2021年每日最高最低温度变化
# 资料、解答、教程可加扣扣qun540305994免费领
color0 [#FF76A2,#24ACE6]
color_js0 new echarts.graphic.LinearGradient(0, 1, 0, 0,[{offset: 0, color: #FFC0CB}, {offset: 1, color: #ed1941}], false)
color_js1 new echarts.graphic.LinearGradient(0, 1, 0, 0,[{offset: 0, color: #FFFFFF}, {offset: 1, color: #009ad6}], false)tl Timeline()
for i in range(0,len(data_bj)):coordy_high list(data_bj[最高温度])[i]coordx list(data_bj[日期])[i]coordy_low list(data_bj[最低温度])[i]x_max list(data_bj[日期])[i]datetime.timedelta(days10)y_max int(max(list(data_bj[最高温度])[0:i1]))3y_min int(min(list(data_bj[最低温度])[0:i1]))-3title_date list(data_bj[日期])[i].strftime(%Y-%m-%d)c (Line(init_optsopts.InitOpts(themedark,#设置动画animation_optsopts.AnimationOpts(animation_delay_update800),#(animation_delay1000, animation_easingelasticOut),#设置宽度、高度width1500px,height900px, )).add_xaxis(list(data_bj[日期])[0:i]).add_yaxis(series_name,y_axislist(data_bj[最高温度])[0:i], is_smoothTrue,is_symbol_showFalse,linestyle_opts{normal: {width: 3,shadowColor: rgba(0, 0, 0, 0.5),shadowBlur: 5,shadowOffsetY: 10,shadowOffsetX: 10,curve: 0.5,color: JsCode(color_js0)}},itemstyle_opts{normal: {color: JsCode(new echarts.graphic.LinearGradient(0, 0, 0, 1, [{offset: 0,color: #ed1941}, {offset: 1,color: #009ad6}], false)),barBorderRadius: [45, 45, 45, 45],shadowColor: rgb(0, 160, 221),}},).add_yaxis(series_name,y_axislist(data_bj[最低温度])[0:i], is_smoothTrue,is_symbol_showFalse,
# linestyle_optsopts.LineStyleOpts(colorcolor0[1],width3),itemstyle_optsopts.ItemStyleOpts(colorJsCode(color_js1)),linestyle_opts{normal: {width: 3,shadowColor: rgba(0, 0, 0, 0.5),shadowBlur: 5,shadowOffsetY: 10,shadowOffsetX: 10,curve: 0.5,color: JsCode(color_js1)}},).set_global_opts(title_optsopts.TitleOpts(北京2021年每日最高最低温度变化\n\n{}.format(title_date),pos_left330,padding[30,20]),xaxis_optsopts.AxisOpts(type_time,max_x_max),#, interval10,min_i-5,split_number20,axistick_optsopts.AxisTickOpts(length2500),axisline_optsopts.AxisLineOpts(linestyle_optsopts.LineStyleOpts(colorgrey))yaxis_optsopts.AxisOpts(min_y_min,max_y_max),#坐标轴颜色,axisline_optsopts.AxisLineOpts(linestyle_optsopts.LineStyleOpts(colorgrey))))tl.add(c, {}.format(list(data_bj[日期])[i]))tl.add_schema(axis_typetime,play_interval100, # 表示播放的速度pos_bottom-29px,is_loop_playFalse, # 是否循环播放width780px,pos_left30px,is_auto_playTrue, # 是否自动播放。is_timeline_showFalse)
tl.render_notebook()
# 资料、解答、教程可加扣扣qun540305994免费领
data_10 data[(data[年份] 2021) ( data[月份] 10)]
data_10.head()北上广深10月份每日最高气温变化
# 背景色
background_color_js (new echarts.graphic.LinearGradient(0, 0, 0, 1, [{offset: 0, color: #c86589}, {offset: 1, color: #06a7ff}], false)
)# 线条样式
linestyle_dic { normal: {width: 4, shadowColor: #696969, shadowBlur: 10, shadowOffsetY: 10, shadowOffsetX: 10, }}timeline Timeline(init_optsopts.InitOpts(bg_colorJsCode(background_color_js),width980px,height600px))bj, gz, sh, sz [], [], [], []
all_max []
x_data data_10[data_10[城市] 北京][日].tolist()
for d_time in range(len(x_data)):bj.append(data_10[(data_10[日] x_data[d_time]) (data_10[城市]北京)][最高温度].values.tolist()[0])gz.append(data_10[(data_10[日] x_data[d_time]) (data_10[城市]广州)][最高温度].values.tolist()[0])sh.append(data_10[(data_10[日] x_data[d_time]) (data_10[城市]上海)][最高温度].values.tolist()[0])sz.append(data_10[(data_10[日] x_data[d_time]) (data_10[城市]深圳)][最高温度].values.tolist()[0])line (Line(init_optsopts.InitOpts(bg_colorJsCode(background_color_js),width980px,height600px)).add_xaxis(x_data,).add_yaxis(北京,bj,symbol_size5,is_smoothTrue,is_hover_animationTrue,label_optsopts.LabelOpts(is_showFalse),).add_yaxis(广州,gz,symbol_size5,is_smoothTrue,is_hover_animationTrue,label_optsopts.LabelOpts(is_showFalse),).add_yaxis(上海,sh,symbol_size5,is_smoothTrue,is_hover_animationTrue,label_optsopts.LabelOpts(is_showFalse),).add_yaxis(深圳,sz,symbol_size5,is_smoothTrue,is_hover_animationTrue,label_optsopts.LabelOpts(is_showFalse),).set_series_opts(linestyle_optslinestyle_dic).set_global_opts(title_optsopts.TitleOpts(title北上广深10月份最高气温变化趋势,pos_leftcenter,pos_top2%,title_textstyle_optsopts.TextStyleOpts(color#DC143C, font_size20)),tooltip_optsopts.TooltipOpts(triggeraxis,axis_pointer_typecross,background_colorrgba(245, 245, 245, 0.8),border_width1,border_color#ccc,textstyle_optsopts.TextStyleOpts(color#000),),xaxis_optsopts.AxisOpts(
# axislabel_optsopts.LabelOpts(font_size14, colorred),
# axisline_optsopts.AxisLineOpts(is_showTrue,
# linestyle_optsopts.LineStyleOpts(width2, color#DB7093))is_show False),# python源码籽料qun5403 05994 免费领 yaxis_optsopts.AxisOpts(name最高气温, is_scaleTrue,
# min_ int(min([gz[d_time],sh[d_time],sz[d_time],bj[d_time]])) - 10,max_ int(max([gz[d_time],sh[d_time],sz[d_time],bj[d_time]])) 10,name_textstyle_optsopts.TextStyleOpts(font_size16,font_weightbold,color#5470c6),axislabel_optsopts.LabelOpts(font_size13,color#5470c6),splitline_optsopts.SplitLineOpts(is_showTrue, linestyle_optsopts.LineStyleOpts(type_dashed)),axisline_optsopts.AxisLineOpts(is_showTrue,linestyle_optsopts.LineStyleOpts(width2, color#5470c6))),legend_optsopts.LegendOpts(is_showTrue, pos_right1%, pos_top2%,legend_iconroundRect,orient vertical),))timeline.add(line, {}.format(x_data[d_time]))timeline.add_schema(play_interval1000, # 轮播速度is_timeline_showTrue, # 是否显示 timeline 组件is_auto_playTrue, # 是否自动播放pos_left0,pos_right0
)
timeline.render_notebook()效果展示部分 今天的文章就是这样啦~
我是小熊猫咱下篇文章再见啦(✿◡‿◡) 问题解答 · 源码获取 · 技术交流 · 抱团学习请联系
