爬取背景

這套課程雖然叫爬蟲入門類課程，但是里面涉及到的點是非常多，十分檢驗你的基礎掌握的牢固程度，代碼中的很多地方都是可以細細品味的。

為什么要寫這么一個小東東呢，因為我生活在大河北，那霧霾醇厚的很，去了趟三亞，那空氣，嘖嘖，舒服的很，所以爬取一下三亞天氣，看看什么時候去最好，理想的溫度為24~28，呵呵噠

代碼走起來 ，天氣類的網址多的很，重點關注歷史天氣

找到這么一個網站 https://www.tianqi.com/sanya/

發現入口，哈哈，有機會爬取到

代碼走起來，爬蟲套路上吧

簡單的requests，復雜的scrapy 總有一款適合你的

哇哦~從2011年到2019年都有唉

月份點進去，呈現了大概這些信息，最高氣溫，最低氣溫，天氣，風向，風力，好了數據都有了

http://lishi.tianqi.com/sanya/201101.html

到這個地方不著急，慢慢來，一個天天寫爬蟲的人必須要對URL敏感，一看就嗨，小時候喜歡找規律的人長大都能寫爬蟲

OK，這就簡單了，走起，看起來就簡單，那我就使用pyspider了 ，好久沒有，都有點遺忘了呢

怎么運行呢？

一頓操作，數據就下載到了

沒有特別復雜的地方，基本就屬于常規操作了

def __init__(self):

self._city = "sanya"

def get_date_list(self,begin,end):

date_list = [x.strftime("%Y%m") for x in list(pd.date_range(start=begin,end=end,freq="M"))]

return date_list

@every(minutes=24 * 60)

def on_start(self):

# 我需要生成201101~201812的所有鏈接

date_list = self.get_date_list("2011-01-01","2019-01-01")

for item in date_list:

self.crawl('http://lishi.tianqi.com/%s/%s.html' %(self._city,item) , callback=self.index_page)

@config(age=10 * 24 * 60 * 60)

def index_page(self, response):

items = []

for each in response.doc('.tqtongji2 > ul:not(.t1)').items():

date = each("li:eq(0)").text()

hot = each("li:eq(1)").text()

cold = each("li:eq(2)").text()

weather = each("li:eq(3)").text()

wind_direction = each("li:eq(4)").text()

wind_power = each("li:eq(5)").text()

item = {

"date":date,

"hot":hot,

"cold":cold,

"weather":weather,

"wind_direction":wind_direction,

"wind_power":wind_power}

items.append(item)

return items

基本數據分析

首先看一下數據的基本面

75% 都是26度的天氣，很舒服

都發現了異常數據，例如最低氣溫最小的竟然為0，最高氣溫為13，不合理

最熱竟然是37度，還不如我大河北溫度，奇怪了？

excel 讀取

def read_xlsx():

df = pd.read_excel("天氣數據.xlsx",names =["cold","date","hot","weather","wind","wind_s"])

return df

我要知道，三亞天氣的一個走勢，這個地方直接按照時間進行圖標制作吧

按照時間排序

df = read_xlsx()

opt_df = df[['date','cold','hot']]

opt_df = opt_df.sort_values(by='date')

可以明顯的看到波峰和波谷，這個地方只能知道三亞的天氣是有波動的，距離我得到最后的結果進了一點點

按照單獨的一年繪制，得到一個很混亂的圖，還是沒有得到我想要的結果

opt_df = opt_df.set_index("date")

for i in range(2011,2019):

data = opt_df[str(i)]

plt.plot(range(1,len(data)+1), data['cold'])

plt.show()

每個顏色表示不同的年分，看來還是要用子圖了。

從上到下，我從2011年依次羅列到2018年

opt_df = opt_df.set_index("date")

for i in range(2011,2019):

data = opt_df[str(i)]

plt.subplot(8,1,i-2010)

plt.grid(True)

plt.plot(range(1,len(data)+1), data['cold'])

plt.plot(range(1, len(data) + 1), data['hot'])

plt.title(str(i)+u"年，溫度曲線")

plt.tight_layout()

plt.savefig("filename.png")

plt.show()

一個小的注意事項是：解決使用 plt.savefig 保存圖片時一片空白

原因

其實產生這個現象的原因很簡單：在 plt.show() 后調用了 plt.savefig() ，在 plt.show() 后實際上已經創建了一個新的空白的圖片（坐標軸），這時候你再 plt.savefig() 就會保存這個新生成的空白圖片。

知道了原因，就不難知道解決辦法了，解決辦法有兩種：

在 plt.show() 之前調用 plt.savefig()；

import matplotlib.pyplot as plt

""" 一些畫圖代碼 """

plt.savefig("filename.png")

plt.show()

畫圖的時候獲取當前圖像（這一點非常類似于 Matlab 的句柄的概念）：

# gcf: Get Current Figure

fig = plt.gcf()

plt.show()

fig1.savefig('tessstttyyy.png', dpi=100)

細細的看了一下，發現好穩定。。。。走勢變化不大，那么，在去細化，我們拆解2018年的，然后推斷2019年的，這個地方需要的展示12個月份的天氣了，代碼走起。

d2018 = opt_df["2018"]

print(d2018)

for i in range(1,13):

data = opt_df["2018-"+str(i)]

plt.subplot(12, 1, i)

plt.grid(True)

plt.plot(range(1, len(data) + 1), data['cold'])

plt.plot(range(1, len(data) + 1), data['hot'])

plt.title(str(i) + u"月，溫度曲線")

plt.yticks([0,5,10,15,20,25,30,35,40])

plt.xticks(range(1,32))

plt.tight_layout()

plt.savefig("filename.png")

plt.show()

哈哈，到現在為止，啥也沒看出來

繼續努力，看平均天氣，把2018年每個月的平均天氣整理出來

月份

最低氣溫

最高氣溫

1

20.1

26.1

2

17.6

26.6

3

19.6

29.3

4

22.0

30.7

6

25.2

32.5

7

24.5

31.4

8

24.5

31.8

9

25.2

31.9

10

23.2

31.5

11

21.7

30.2

12

20.4

28.1

哈哈哈，都是好天氣......我到底在做啥結果.....

受不了，我去百度了，看看天氣網站的結論，emmm....一樣，在我們河北人看來，這就是恒溫的。

我還有的分析，我的數據是這樣子的

是否下雨，我可以統計一下，代碼走起來

全年的天氣

天氣

天數

中雨

15

多云

176

大雨

5

小雨

5

晴

12

暴雨

1

陰

11

陣雨

38

雷陣雨

6

統計一下每個月的天氣變化

總結，兩個結論，666

1月，2月，3月，11月，12月基本沒雨

其他月份有雨

好吧，停止了，好像沒得到啥數據，就是1月，2月，3月，11月，12月去三亞吧，這幾個月份中3月份和11月份機票最便宜，看來我要寫爬取機票的博客了

總結

以上是生活随笔為你收集整理的python3怎么做爬虫_Python爬虫入门教程 53-100 Python3爬虫获取三亚天气做旅游参照...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。