Python快速搭建天气数据可视化仪表盘教程

1. 项目概述

最近在帮朋友做一个天气数据可视化的小工具时，发现很多Python初学者对如何快速搭建一个实用的天气仪表盘很感兴趣。今天我就来分享一个20分钟就能搞定的解决方案，完全免费且不需要复杂的配置，特别适合刚入门Python的朋友练手。

这个项目主要使用Python的requests库获取天气数据，再用matplotlib和pyecharts进行可视化展示。最终效果是一个包含未来5天天气预报的交互式仪表盘，可以直观查看温度、湿度、风力等关键指标的变化趋势。

2. 环境准备与工具选择

2.1 Python环境配置

首先确保你已经安装了Python 3.6或以上版本。我推荐使用Anaconda来管理Python环境，它能自动处理各种依赖关系。安装完成后，创建一个新的虚拟环境：

conda create -n weather_dashboard python=3.8 conda activate weather_dashboard

2.2 必备库安装

我们需要安装以下几个核心库：

pip install requests matplotlib pyecharts

• requests：用于获取天气API数据
• matplotlib：基础可视化库
• pyecharts：制作交互式图表

3. 获取天气数据

3.1 选择免费天气API

我测试了几个免费的天气API，最终选择了和风天气的免费版。它每天提供1000次免费调用，完全够个人使用。

首先去和风天气官网注册开发者账号，获取API Key。然后我们可以用以下代码获取5天天气预报：

import requests def get_weather(city, api_key): url = f"https://devapi.qweather.com/v7/weather/5d?location={city}&key={api_key}" response = requests.get(url) return response.json()

3.2 数据解析与清洗

API返回的是JSON格式数据，我们需要提取关键信息：

def parse_weather_data(data): days = [] for day in data['daily']: day_info = { 'date': day['fxDate'], 'temp_max': float(day['tempMax']), 'temp_min': float(day['tempMin']), 'humidity': int(day['humidity']), 'wind_speed': float(day['windSpeedDay']), 'weather': day['textDay'] } days.append(day_info) return days

4. 数据可视化实现

4.1 温度趋势图

使用matplotlib绘制温度变化曲线：

import matplotlib.pyplot as plt def plot_temperature(days): dates = [day['date'] for day in days] temp_max = [day['temp_max'] for day in days] temp_min = [day['temp_min'] for day in days] plt.figure(figsize=(10, 5)) plt.plot(dates, temp_max, 'r-', label='最高温度') plt.plot(dates, temp_min, 'b-', label='最低温度') plt.fill_between(dates, temp_max, temp_min, color='gray', alpha=0.1) plt.title('未来5天温度变化趋势') plt.xlabel('日期') plt.ylabel('温度(℃)') plt.legend() plt.grid(True) plt.show()

4.2 交互式仪表盘

用pyecharts创建更丰富的可视化：

from pyecharts.charts import Line, Bar, Page from pyecharts import options as opts def create_dashboard(days): dates = [day['date'] for day in days] # 温度折线图 line = ( Line() .add_xaxis(dates) .add_yaxis("最高温度", [day['temp_max'] for day in days]) .add_yaxis("最低温度", [day['temp_min'] for day in days]) .set_global_opts(title_opts=opts.TitleOpts(title="温度趋势")) ) # 湿度柱状图 bar = ( Bar() .add_xaxis(dates) .add_yaxis("湿度(%)", [day['humidity'] for day in days]) .set_global_opts(title_opts=opts.TitleOpts(title="湿度变化")) ) # 组合图表 page = Page(layout=Page.SimplePageLayout) page.add(line, bar) return page

5. 完整实现与部署

5.1 主程序整合

将各个模块组合起来：

def main(): city = "北京" # 替换为你所在城市 api_key = "你的API_KEY" # 替换为你的和风天气API Key raw_data = get_weather(city, api_key) weather_data = parse_weather_data(raw_data) # 显示温度图 plot_temperature(weather_data) # 生成交互式仪表盘 dashboard = create_dashboard(weather_data) dashboard.render("weather_dashboard.html") if __name__ == "__main__": main()

5.2 本地运行与查看

运行程序后，会在当前目录生成一个weather_dashboard.html文件。用浏览器打开即可看到完整的天气仪表盘。如果想分享给他人，可以直接发送这个HTML文件。

6. 常见问题与优化建议

6.1 API调用限制处理

免费API通常有调用次数限制，建议：

1. 缓存API响应结果，避免重复请求
2. 使用try-except处理网络异常
3. 考虑设置请求间隔时间

import time import json import os CACHE_FILE = "weather_cache.json" CACHE_TIME = 3600 # 1小时缓存 def get_weather_with_cache(city, api_key): if os.path.exists(CACHE_FILE): with open(CACHE_FILE) as f: cache = json.load(f) if time.time() - cache['timestamp'] < CACHE_TIME: return cache['data'] try: data = get_weather(city, api_key) with open(CACHE_FILE, 'w') as f: json.dump({'timestamp': time.time(), 'data': data}, f) return data except Exception as e: print(f"获取天气数据失败: {e}") return None

6.2 可视化优化技巧

1. 使用主题美化图表：

from pyecharts.globals import ThemeType line = Line(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))

2. 添加更多指标展示，如紫外线指数、降水概率等
3. 使用地图展示不同城市天气对比

7. 项目扩展思路

这个基础项目可以进一步扩展：

1. 添加城市选择功能，让用户输入想查询的城市
2. 集成到Flask/Django网页应用中
3. 增加邮件通知功能，定时发送天气预报
4. 开发桌面应用版本

对于想深入学习Python数据分析可视化的朋友，我建议：

1. 尝试使用Pandas处理更复杂的数据
2. 学习使用Seaborn制作统计图表
3. 探索Plotly的3D可视化能力
4. 了解如何使用Dash构建交互式Web应用

这个项目虽然简单，但涵盖了Python开发的几个核心环节：数据获取、数据处理、数据可视化。通过这个实战练习，你不仅能掌握基本技能，还能获得一个实用的天气查询工具。