如何使用Pandas和Pyecharts可视化北京近五年历史天气数据？

2026-04-13 07:402阅读0评论SEO基础

内容介绍
文章标签
相关推荐

本文共计1910个文字，预计阅读时间需要8分钟。

使用Python和pyecharts可视化库绘制北京历史天气数据，查看历史高温、低温分布以及白天、夜晚的风力、风向等天气状况，希望对大家有所帮助，如有疑问或需改进之处请告知。

本期利用 python 的 pyecharts 可视化库绘制北京市历史天气数据，看看历史高温、历史低温分布以及白天、夜晚的风力、风向分布等情况，希望对大家有所帮助，如有疑问或者需要改进的地方可以联系小编。

涉及到的库：
Pandas — 数据处理
Pyecharts — 数据可视化

1. 导入模块

import pandas as pd from pyecharts.charts import Line from pyecharts.charts import Bar from pyecharts.charts import Scatter from pyecharts.charts import Pie from pyecharts.charts import EffectScatter from pyecharts.charts import Calendar from pyecharts.charts import Polar from pyecharts import options as opts import warnings warnings.filterwarnings('ignore')

2. Pandas数据处理

2.1 读取数据

df_weather = pd.read_excel('./2018-2022年天气数据.xlsx')

2018-2022年五年的历史天气数据共1839条。

2.2 处理最低气温最高气温数据

df_weather_1 = df_weather.copy() df_weather_1[['最低气温','最高气温']] = df_weather_1['最低气温/最高气温'].str.split(' / ',expand=True) df_weather_1['最低气温'] = df_weather_1['最低气温'].str[:-2] df_weather_1['最高气温'] = df_weather_1['最高气温'].str[:-1] df_weather_1['最低气温'] = df_weather_1['最低气温'].astype('int') df_weather_1['最高气温'] = df_weather_1['最高气温'].astype('int')

2.3 处理日期数据

df_weather_1['日期'] = pd.to_datetime(df_weather_1['日期'],format='%Y年%m月%d日') df_weather_1['日期s'] = df_weather_1['日期'].dt.strftime('%Y/%m/%d')

2.4 处理风力风向数据

3. Pyecharts数据可视化

3.1 2018-2022年历史温度分布

def get_scatter(): scatter = ( Scatter() .add_xaxis(x_data) .add_yaxis("最低气温", y_data1) .add_yaxis("最高气温", y_data2) .set_global_opts( legend_opts=opts.LegendOpts(is_show=False), visualmap_opts=opts.VisualMapOpts( is_show=False, range_color=range_color ), title_opts=opts.TitleOpts( title='1-2018-2022年历史温度分布', subtitle='-- 制图@公众号：Python当打之年 --', pos_top='1%', pos_left="1%", ) ) )

3.2 2022年历史温度分布

历史最高温度39℃，历史最低温度-12℃。

3.3 2021年历史温度分布

def get_calendar(): calendar = ( Calendar() .add('', data_21, calendar_opts=opts.CalendarOpts( pos_right='5%', range_='2021', daylabel_opts=opts.CalendarDayLabelOpts(name_map='cn'), monthlabel_opts=opts.CalendarMonthLabelOpts(name_map='cn') ), ) .set_global_opts( title_opts=opts.TitleOpts( title='3-2021年历史温度分布', subtitle='-- 制图@公众号：Python当打之年 --', pos_top='1%', pos_left="1%", ), visualmap_opts=opts.VisualMapOpts( range_color=range_color, ) ) )

3.4 2019年历史温度分布

3.5 2022年夜间_白天风力分布

def get_pie(): pie = ( Pie() .add( "", [list(z) for z in zip(x_data, y_data1)], radius=["30%", "50%"], center=["30%", "55%"], ) .add( "", [list(z) for z in zip(x_data, y_data2)], radius=["30%", "50%"], center=["70%", "55%"], ) .set_global_opts( title_opts=opts.TitleOpts( title='5-2022年夜间_白天风力分布', subtitle='-- 制图@公众号：Python当打之年 --', pos_top='1%', pos_left="1%", ), legend_opts=opts.LegendOpts(pos_top='10%'), visualmap_opts=opts.VisualMapOpts( is_show=False, range_color=range_color ), ) )

3.6 2022年夜间风向分布

def get_polor(): polor = ( Polar() .add("", values,type_="bar") .set_global_opts( legend_opts=opts.LegendOpts(is_show=False), visualmap_opts=opts.VisualMapOpts( is_show=False, range_color=range_color ), title_opts=opts.TitleOpts( title='6-2022年夜间风向分布', subtitle='-- 制图@公众号：Python当打之年 --', pos_top='1%', pos_left="1%", ), ) )

3.7 2022年白天风向分布

3.8 2018-2022年各类型天气数量

def get_bar(): bar = ( Bar() .add_xaxis(x_data) .add_yaxis("",y_data) .set_global_opts( visualmap_opts=opts.VisualMapOpts( is_show=False, range_color=range_color ), legend_opts=opts.LegendOpts(is_show=False), title_opts=opts.TitleOpts( title='8-2018-2022年各类型天气数量', subtitle='-- 制图@公众号：Python当打之年 --', pos_top='1%', pos_left="1%", ), ) )

3.9 2018-2022年每月平均最高温度

标签：PandasPyecharts 北京近五年历史