Pandas+Pyecharts |. Visualisasi data cuaca bersejarah di Beijing dalam tempoh lima tahun yang lalu

Isu ini menggunakan perpustakaan visualisasi Python's Pyecharts untuk menarik data cuaca sejarah

Beijing, dan lihat suhu tinggi, pengedaran suhu rendah sejarah, dan kuasa angin dan arahan pada waktu siang dan malam Pengedaran dan situasi lain , Saya harap ia akan membantu semua orang Jika anda mempunyai sebarang soalan atau bidang yang memerlukan penambahbaikan, anda boleh menghubungi editor.

Perpustakaan yang terlibat:

Panda — Pemprosesan data Pyecarts — Visualisasi data pemprosesan data P andas

2.1 Baca data

Sebanyak 1839 keping data cuaca bersejarah untuk lima tahun 2018 -2022.

2.2 Memproses data suhu minimum dan maksimum

df_weather_1 = df_weather.copy()
df_weather_1[['最低气温','最高气温']] = df_weather_1['最低气温/最高气温'].str.split(' / ',expand=True) 
df_weather_1['最低气温'] = df_weather_1['最低气温'].str[:-2]
df_weather_1['最高气温'] = df_weather_1['最高气温'].str[:-1]
df_weather_1['最低气温'] = df_weather_1['最低气温'].astype('int')
df_weather_1['最高气温'] = df_weather_1['最高气温'].astype('int')

2.3 处理日期数据

df_weather_1['日期'] = pd.to_datetime(df_weather_1['日期'],format='%Y年%m月%d日')
df_weather_1['日期s'] = df_weather_1['日期'].dt.strftime('%Y/%m/%d')

2.4 处理风力风向数据

3. Pyecharts数据可视化

3.1 2018-2022年历史温度分布

def get_scatter():
    scatter = (
        Scatter()
        .add_xaxis(x_data)
        .add_yaxis("最低气温", y_data1)
        .add_yaxis("最高气温", y_data2)
        .set_global_opts(
            legend_opts=opts.LegendOpts(is_show=False),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                range_color=range_color
            ),
            title_opts=opts.TitleOpts(
                title='1-2018-2022年历史温度分布',
                subtitle='-- 制图@公众号：Python当打之年 --',
                pos_top='1%',
                pos_left="1%",
            )
        )
    )

3.2 2022年历史温度分布

历史最高温度39℃，历史最低温度-12℃。

3.3 2021年历史温度分布

def get_calendar():
    calendar = (
        Calendar()
        .add('',
             data_21,
             calendar_opts=opts.CalendarOpts(
                 pos_right='5%',
                 range_='2021',
                daylabel_opts=opts.CalendarDayLabelOpts(name_map='cn'),
                monthlabel_opts=opts.CalendarMonthLabelOpts(name_map='cn')
             ),
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='3-2021年历史温度分布',
                subtitle='-- 制图@公众号：Python当打之年 --',
                pos_top='1%',
                pos_left="1%",
            ),
            visualmap_opts=opts.VisualMapOpts(
                range_color=range_color,
            )
        )
    )

3.4 2019年历史温度分布

3.5 2022年夜间_白天风力分布

def get_pie():
    pie = (
        Pie()
        .add(
            "",
            [list(z) for z in zip(x_data, y_data1)],
            radius=["30%", "50%"],
            center=["30%", "55%"],
        )
        .add(
            "",
            [list(z) for z in zip(x_data, y_data2)],
            radius=["30%", "50%"],
            center=["70%", "55%"],
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(
                title='5-2022年夜间_白天风力分布',
                subtitle='-- 制图@公众号：Python当打之年 --',
                pos_top='1%',
                pos_left="1%",
            ),
            legend_opts=opts.LegendOpts(pos_top='10%'),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                range_color=range_color
            ),
        )
    )

3.6 2022年夜间风向分布

def get_polor():
    polor = (
        Polar()
        .add("", values,type_="bar")
        .set_global_opts(
            legend_opts=opts.LegendOpts(is_show=False),
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                range_color=range_color
            ),
            title_opts=opts.TitleOpts(
                title='6-2022年夜间风向分布',
                subtitle='-- 制图@公众号：Python当打之年 --',
                pos_top='1%',
                pos_left="1%",
            ),
        )
    )

3.7 2022年白天风向分布

3.8 2018-2022年各类型天气数量

def get_bar():
    bar = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis("",y_data)
        .set_global_opts(
            visualmap_opts=opts.VisualMapOpts(
                is_show=False,
                range_color=range_color
            ),
            legend_opts=opts.LegendOpts(is_show=False),
            title_opts=opts.TitleOpts(
                title='8-2018-2022年各类型天气数量',
                subtitle='-- 制图@公众号：Python当打之年 --',
                pos_top='1%',
                pos_left="1%",
            ),
        )
    )

3.9 2018-2022年每月平均最高温度

Atas ialah kandungan terperinci Pandas+Pyecharts |. Visualisasi data cuaca bersejarah di Beijing dalam tempoh lima tahun yang lalu. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!