Python爬蟲入門教程 53-100 Python3爬蟲獲取三亞天氣做旅游參照

爬取背景

這套課程雖然叫爬蟲入門類課程，但是裡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。

為什麼要寫這麼一個小東東呢，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，看看什麼時候去最好，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，重點關註歷史天氣
找到這麼一個網站 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，複雜的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

URL 是這樣子的
http://lishi.tianqi.com/sanya/201111.html
http://lishi.tianqi.com/sanya/201102.html
http://lishi.tianqi.com/sanya/201103.html
http://lishi.tianqi.com/sanya/201104.html

http://lishi.tianqi.com/[三亞的拼音]/年月.html

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
怎麼運行呢？

一頓操作，數據就下載到了

沒有特別複雜的地方，基本就屬於常規操作了

    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製作吧

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，距離我得到最後的結果進了一點點

按照單獨的一年繪製，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()

一個小的註意事項是：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() 後調用了 plt.savefig() ，在 plt.show() 後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（這一點非常類似於 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，那麼，在去細化，我們拆解2018年的，然後推斷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

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，這就是恆溫的。

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

統計一下每個月的天氣變化

總結，兩個結論，666

1. 1月，2月，3月，11月，12月基本沒雨
2. 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