2021年的第一场雪，比以往时候来得更早一些！Python分析历史天气数据，带你赏雪~

具体使用规则参见今日次条推送

2021年11月6日晚，北京2021年的第一场冬雪降临，似乎比以往时候都要来得更早一些。

今天我们用Python采集北京历史天气数据，来看看今年的冬雪是不是真的来得更早一些呢？

不过，在开始正文之前，咱们先赏一波雪景吧~

好了，我们开始正文部分吧~~

目录：

• 1. 近11年北京第1场冬雪时间

• 2. 2021年北京天气数据全览

• 2.1. 整体天气分布

• 2.2. 不同月份天气分布

• 2.3. 不同月份气温走势

• 2.4. 全年气温变化动态图

• 3. 数据采集

• 4. 数据处理

1. 近11年北京第1场冬雪时间

其实，并不是每年北京的冬天都有下雪。比如去年也就是2020年的冬季就没有下雪。

今年（2021年的冬雪是在11月6日），过去10年的第1场冬雪时间表如下：

我们可以看到，过去10年里有3个年头并没有冬雪，大部分年份的第1场冬雪都是在11月下旬及之后才出现。相比之下，2015年和2012年的第1场冬雪来的时间相对更早一些（仅1日）是11月5日。不过吧，今年的这个雪属于大雪了，要比往年的都要大很多，更有下雪的味道！

2. 2021年北京天气数据全览

截止2021年10月31日共有304天，基于这304天的天气数据，我们可以看到：

2.1. 整体天气分布

合计有223天多云和晴天，占比超过73%；阴天和雾霾天有55天，占比约为18%；下雨天有24天，占比约为8%。

（绘图来自Excel的EasyShu插件）

注：在该网站历史数据中很多天空气质量差的算在了阴天里哈

2.2. 不同月份天气分布

下雨天主要集中在5-8月份、霾主要集中在2、3月份。

（绘图使用Seaborn库的heatmap方法）

2.3. 不同月份气温走势

从每日最高气温来看，基本上6-8 月属于高温月，很明显。

（绘图来自Excel的EasyShu插件）

从每日最低气温来看，7月的最低气温也属于全年度最高，而1月的最低气温可低到-20摄氏度，简直了。。

2.4. 全年气温变化动态图

3. 数据采集

数据来源：

历史天气网 https://lishi.tianqi.com/

网页简单解析如下：

选定月份后，URL地址栏的URL会变化，比如2021年10月在URL地址栏里是 https://lishi.tianqi.com/beijing/202110.html，在URL最后的202110就是变化的规律所在。

确定的URL规律后，我们再看看怎么解析出数据，我这里直接采用的是xpath方法哈，整体完整代码大家参考如下即可（修改地址即可，北京是beijing，其他城市的大家打开网页自己看即可，很简单）。

完整代码：

import requests
from lxml import etree
import


    
 pandas as pd

def get_html(month):
    headers = {
        "Accept-Encoding": "Gzip",  
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.97 Safari/537.36",
        }
    url = f'https://lishi.tianqi.com/beijing/{month}.html'
    
    r = requests.get(url, headers=headers)
    r_html = etree.HTML(r.text)
    
    return r_html

# 月份参数列表
month_list = pd.period_range('201101','202110',freq='M').strftime('%Y%m')
df = pd.DataFrame(columns=['日期', '最高气温', '最低气温', '天气', '风向'])
for i ,month in enumerate(month_list):
    r_html = get_html(month)
    # 找到存放历史天气数据的div节点
    div = r_html.xpath('.//div[@class="tian_three"]')[0]
    # 每个日期的历史天气数据的li节点组成的列表
    lis = div.xpath('.//li')
    for li in lis:
        item = {
            '日期':li.xpath('./div[@class="th200"]/text()')[0],
            '最高气温':li.xpath('./div[@class="th140"]/text()')[0],
            '最低气温':li.xpath('./div[@class="th140"]/text()')[1],
            '天气':li.xpath('./div[@class="th140"]/text()')[2],
            '风向':li.xpath('./div[@class="th140"]/text()')[3]
             }
        df = df.append(item, ignore_index=True)
    print(f'{i+1}/130月数据已采集')
df.to_excel(r'北京历史天气数据.xlsx',index=None)

最终，我们采集的数据结果预览如下：

4. 数据处理

数据处理部分我们用到的也是pandas，以下将从处理思路和方法进行简单讲解，原始数据大家可以通过第三部分的数据采集爬虫代码运行获取。

引入库并读取数据预览

import pandas as pd

df = pd.read_excel('北京历史天气数据.xlsx')
df.head()

# 后几条数据
df.tail()

通过观察采集下来的数据，我们可以发现日期字段中带有星期信息，最高的最低气温中带有摄氏度符号，天气中存在雨夹雪等字眼。

为了进行数据的统计分析，我们需要对原始数据做简单的处理，操作如下：

分列日期与星期

df['日期'].str.split(' ',expand=True,n=1)

赋值

df[['日期','星期']] = df['日期'].str.split(' ',expand=True,n=1)

去掉气温的单位符号

df[['最高气温','最低气温']] = df[['最高气温','最低气温']].apply(lambda x: x.str.replace('℃',''))

新增字段标记是否有雪

df.loc[df['天气'].str.contains('雪'),'是否有雪']='是'
df.fillna('否',inplace=True)
# 预览
df.head()

再看数据info

df.info()

我们看这个数据info发现各字段基本都不是我们想要的类型，比如日期字段、最高最低气温期望是int类型等等。于是，我们需要进行相关数据类型转换啦。

数据类型转换

df['日期'] = pd.to_datetime(df['日期'])
df[['最高气温','最低气温']] = df[['最高气温','最低气温']].astype('int')

筛选出年月日信息

df['年份'] = df['日期'].dt.year
df['月份'] = df['日期'].dt.month
df['日'] = df['日期'].dt.day
# 预览
df.sample(5)

寻找每年的第一场冬雪

snowData = df[df['是否有雪']=='是']
snowData[snowData['月份']>=9].groupby('年份').first().reset_index()

每年下雪天数

snowData.groupby('年份')['日期'].count().to_frame('下雪天数').reset_index()