初衷

十一回家走訪親戚，家長們聊關於附近工廠的事情。筆者家附近有一個清潔能源廠，同時還有一個水庫，這種複雜的空氣對流，夏季容易遭受冰雹的侵害。
以水果謀生的農戶，躲得過人禍，免不了天災。筆者暗想，用一定的大資料分析，證明這兩種存在對當地的影響。
於是有了此文。

程式碼

網上相關資源很多，筆者習慣在python抓資料，而將分析留給matlab，檔案修改一類交給C++。

以下程式碼小作修改，原始連結 Python3獲取歷史天氣資料

import requests

from bs4 import BeautifulSoup

import pandas as pd

import time


# 引數city為城市拼音,*years為年份引數（int型別）,若只傳入一個數字則只爬取對應年份資料,若輸入多個年份則預設以第一個年份為起始年,最後一個年份為終止年（例如傳入2011,2018，則爬取2011到2018年天氣資料），目前最久遠的天氣資料只有2011年的
來源：[Python3獲取歷史天氣資料](https://blog.csdn.net/weixin_39671140/article/details/82716619)
該程式將城市拼音輸入，直接修改為查詢天氣的連結。

def get_weather_historic_data(city, *years):
    res = []

    for year in range(years[0], years[-1] + 1):

        print('正在獲取%d年資料...' % (year))

        for month in range(1, 13):

            if month < 10:

                response = requests.get('http://lishi.tianqi.com/%s/%d0%d.html' % (city, year, month)).text

            else:

                response = requests.get('http://lishi.tianqi.com/%s/%d%d.html' % (city, year, month)).text

            soup = BeautifulSoup(response, "html.parser")

            # 檢查是否找到該時段天氣資料，沒有則跳到下個月

            try:

                ul = soup.find('div', class_='tqtongji2').find_all('ul')

            except:

                continue

            # columns作為DataFrame物件的列名

            columns = ul[0].get_text().split()

            for i in range(1, len(ul)):
                res.append(ul[i].get_text().split())

    # 返回pandas中的dataframe資料型別

    return pd.DataFrame(res, columns=columns)


st = time.time()

# shenzhen指的是深圳，2011是起始年份，2018是終止年份，即爬取2011到2018年深圳天氣資料

df = get_weather_historic_data('dali', 2012, 2018)

# 儲存成本地excel檔案

#你想要儲存檔案的位置
df.to_excel(r'D:\Cat_Dog_CNN\深圳歷史天氣資料.xlsx')


print('完成,用時', round(time.time() - st, 3), 's')

 

分析網頁

歷史天氣網站介面如下：

根據拼音，可以到達感興趣的城市網站。

同名城市

筆者所處小縣城為陝西大荔，而更著名的是雲南大理，筆者分析了一下網站連結，發現在大荔拼音正常，而云南大理，在url處為dali1，網站已經作了區分，所以不必擔心。

統計分析結果出來後，再續。