python天氣預報架構（氣象學python）

本文目錄一覽：

• 1、用python編寫的獲取天氣預報的代碼總是有錯誤，求解
• 2、python怎麼自動抓取網頁上每日天氣預報
• 3、如何使用python利用api獲取天氣預報
• 4、求助：用python獲取天氣預報
• 5、Python氣象數據處理與繪圖(2)：常用數據計算方法

用python編寫的獲取天氣預報的代碼總是有錯誤，求解

weatherinfo=r.json() #在json後面加上括號才能返回結果。否則只能返回函數地址。

以下python3通過：

import requests

ApiUrl=””

r=requests.get(ApiUrl)

weatherinfo=r.json()

print (weatherinfo[“weatherinfo”][“ptime”])

print (weatherinfo[“weatherinfo”][“temp2”])

08:00

5℃

python怎麼自動抓取網頁上每日天氣預報

使用到了urllib庫和bs4。bs4提供了專門針對html的解析功能，比用RE方便許多。

# coding : UTF-8import sys

reload(sys)

sys.setdefaultencoding( “utf-8” )from bs4 import BeautifulSoupimport csvimport urllibdef get_html(url):

html = urllib.urlopen(url) return html.read()def get_data(html_text):

final = []

bs = BeautifulSoup(html_text, “html.parser”)

body = bs.body

data = body.find(‘div’, {‘id’: ‘7d’})

ul = data.find(‘ul’)

li = ul.find_all(‘li’) for day in li:

temp = []

date = day.find(‘h1’).string

temp.append(date)

inf = day.find_all(‘p’)

temp.append(inf[0].string,) if inf[1].find(‘span’) is None:

temperature_highest = None

else:

temperature_highest = inf[1].find(‘span’).string

temperature_highest = temperature_highest.replace(‘C’, ”)

temperature_lowest = inf[1].find(‘i’).string

temperature_lowest = temperature_lowest.replace(‘C’, ”)

temp.append(temperature_highest)

temp.append(temperature_lowest)

final.append(temp) return finaldef write_data(data, name):

file_name = name with open(file_name, ‘a’) as f:

f_csv = csv.writer(f)

f_csv.writerows(data)if __name__ == ‘__main__’:

html_doc = get_html(”)

result = get_data(html_doc)

write_data(result, ‘weather.csv’) print result12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152

運行結果保存在csv文件中

如何使用python利用api獲取天氣預報

這個和用不用python沒啥關係，是數據來源的問題。調用淘寶API，使用 api相關接口獲得你想要的內容，我 記得api中有相關的接口，你可以看一下接口的說明。用python做爬蟲來進行頁面數據的獲取。希望能幫到你。

求助：用python獲取天氣預報

# 獲取溫度、濕度、風力等

WEATHER_URL_A = “”

# 獲取天氣狀況、最大/小溫度等

WEATHER_URL_B = “”

# 獲取未來7天天氣數據

WEATHER_URL_C = “”

URL里%s指城市對應的代碼。詳細參考：

不過這篇文章里有的接口已經不能用了。

上面我給的三個URL里，前兩個直接返回json格式數據；第三個返回是一個頁面，需要自己從頁面里提取想要的信息。

Python氣象數據處理與繪圖(2)：常用數據計算方法

對於氣象繪圖來講，第一步是對數據的處理，通過各類公式，或者統計方法將原始數據處理為目標數據。

按照氣象統計課程的內容，我給出了一些常用到的統計方法的對應函數：

在計算氣候態，區域平均時均要使用到求均值函數，對應NCL中的dim_average函數，在python中通常使用np.mean()函數

numpy.mean(a, axis, dtype)

假設a為[time,lat,lon]的數據，那麼

需要特別注意的是，氣象數據中常有缺測，在NCL中，使用求均值函數會自動略過，而在python中，當任意一數與缺測(np.nan)計算的結果均為np.nan，比如求[1,2,3,4，np.nan]的平均值，結果為np.nan

因此，當數據存在缺測數據時，通常使用np.nanmean()函數，用法同上，此時[1,2,3,4，np.nan]的平均值為(1+2+3+4)/4 = 2.5

同樣的，求某數組最大最小值時也有np.nanmax(), np.nanmin()函數來補充np.max(), np.min()的不足。

其他很多np的計算函數也可以通過在前邊加『nan』來使用。

另外，

也可以直接將a中缺失值全部填充為0。

np.std(a, axis, dtype)

用法同np.mean()

在NCL中有直接求數據標準化的函數dim_standardize()

其實也就是一行的事，根據需要指定維度即可。

皮爾遜相關係數：

相關可以說是氣象科研中最常用的方法之一了，numpy函數中的np.corrcoef(x, y)就可以實現相關計算。但是在這裡我推薦scipy.stats中的函數來計算相關係數：

這個函數缺點和有點都很明顯，優點是可以直接返回相關係數R及其P值，這避免了我們進一步計算置信度。而缺點則是該函數只支持兩個一維數組的計算，也就是說當我們需要計算一個場和一個序列的相關時，我們需要循環來實現。

其中a[time,lat,lon]，b[time]

(NCL中為regcoef()函數)

同樣推薦Scipy庫中的stats.linregress(x,y)函數：

slop: 回歸斜率

intercept：回歸截距

r_value： 相關係數

p_value： P值

std_err： 估計標準誤差

直接可以輸出P值，同樣省去了做置信度檢驗的過程，遺憾的是仍需同相關係數一樣循環計算。