如何用Python、Pandas和爬虫统计历史天气数据？
摘要：背景 最近在计划明年从北京rebase到深圳去，所以最近在看深圳的各个方面。去年在深圳呆过一段时间，印象最深的是，深圳总是突然就下雨，还下好大的雨。对于我这种从小在南方长大但是后面又在北京呆了2年多的人来说，熟悉而又无奈。 今天早上本来想随
背景
最近在计划明年从北京rebase到深圳去，所以最近在看深圳的各个方面。去年在深圳呆过一段时间，印象最深的是，深圳总是突然就下雨，还下好大的雨。对于我这种从小在南方长大但是后面又在北京呆了2年多的人来说，熟悉而又无奈。
今天早上本来想随便浏览浏览一个天气网站，看看深圳的历史天气如何的，但是，一不小心发现，这家网站竟然直接能用API来抓数据，这~~~还不抓一波，省的自己一个月一个月地看。
先上最后的效果图：
所有的code都在我的GitHub上：boydfd
下面从几个方面讲一讲我是怎么做的：
爬取数据
用pandas显示数据
功能扩展
遇到的坑
爬取数据
先是在http://tianqi.2345.com上面浏览了一下深圳的6月份天气。然后发现点切换月份的时候，网址没有变，那应该有请求API吧，看看这个API长啥样吧。
发现返回值就是纯JS代码，那就解析一下吧：
去掉var =和最后的;。
用到demjson解析成Python的List[Dict]对象。
转成pandas的DataFrame
加上我们的date字段
date = '201905'
weather = requests.get('http://tianqi.2345.com/t/wea_history/js/{date}/59493_{date}.js'.format(date=date)).text.split('=')[1][:-1]
weather = demjson.decode(weather)['tqInfo']
df = pd.DataFrame(weather)
df['month'] = date
结果是这样的：
用Pandas显示数据
太多雨天
我们可以看到，有各种雷阵雨啊，阴转雨啊，雨转阴之类的，这样看到的天气太杂了，所以我就统一了一下，按照雨、多云、阴、晴的顺序来排序，先出出现的关键词优先级更高。
写一个函数来处理之：
rain = '雨'
rain_index = ' ' + rain
cloudy = '多云'
cloudy_index = ' ' + cloudy
overcast = '阴'
overcast_index = ' ' + overcast
sunny = '晴'
sunny_index = ' ' + sunny
def weath_category(row):
tianqi = row['tianqi']
if tianqi.find(rain) != -1:
return rain_index
if tianqi.find(overcast) != -1:
return overcast_index
if tianqi.find(cloudy) != -1:
return cloudy_index
return sunny_index
多个月的数据
一个月的数据不够啊，我们想要很多个月的数据，那就写得函数来生成月份吧。
def date_generate(start, end):
start = datetime.strptime(start, '%Y%m')
end = datetime.strptime(end, '%Y%m')
while True:
next_start = start + relativedelta(months=1)
yield start.strftime('%Y%m')
if next_start > end:
break
start = next_start
画图
分好类，爬了多个月份的数据，就剩最终的画图部分了。使用Pandas提供给我们的函数，可以很容易就画出图来。