背景

最近在計(jì)劃明年從北京rebase到深圳去，所以最近在看深圳的各個(gè)方面。去年在深圳呆過(guò)一段時(shí)間，印象最深的是，深圳總是突然就下雨，還下好大的雨。對(duì)于我這種從小在南方長(zhǎng)大但是后面又在北京呆了2年多的人來(lái)說(shuō)，熟悉而又無(wú)奈。

今天早上本來(lái)想隨便瀏覽瀏覽一個(gè)天氣網(wǎng)站，看看深圳的歷史天氣如何的，但是，一不小心發(fā)現(xiàn)，這家網(wǎng)站竟然直接能用API來(lái)抓數(shù)據(jù)，這~~~還不抓一波，省的自己一個(gè)月一個(gè)月地看。

先上最后的效果圖：

所有的code都在我的GitHub上：boydfd

下面從幾個(gè)方面講一講我是怎么做的：

1. 爬取數(shù)據(jù)
2. 用pandas顯示數(shù)據(jù)
3. 功能擴(kuò)展
4. 遇到的坑

爬取數(shù)據(jù)

先是在http://tianqi.2345.com上面瀏覽了一下深圳的6月份天氣。然后發(fā)現(xiàn)點(diǎn)切換月份的時(shí)候，網(wǎng)址沒(méi)有變，那應(yīng)該有請(qǐng)求API吧，看看這個(gè)API長(zhǎng)啥樣吧。

發(fā)現(xiàn)返回值就是純JS代碼，那就解析一下吧：

1. 去掉 var = 和最后的 ; 。
2. 用到 demjson 解析成Python的 List[Dict] 對(duì)象。
3. 轉(zhuǎn)成pandas的 DataFrame
4. 加上我們的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
          
        

結(jié)果是這樣的：

用Pandas顯示數(shù)據(jù)

太多雨天

我們可以看到，有各種雷陣雨啊，陰轉(zhuǎn)雨啊，雨轉(zhuǎn)陰之類(lèi)的，這樣看到的天氣太雜了，所以我就統(tǒng)一了一下，按照雨、多云、陰、晴的順序來(lái)排序，先出出現(xiàn)的關(guān)鍵詞優(yōu)先級(jí)更高。

寫(xiě)一個(gè)函數(shù)來(lái)處理之：

          
            rain = '雨'
rain_index = ' ' + rain
cloudy = '多云'
cloudy_index = ' ' + cloudy
overcast = '陰'
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
          
        

多個(gè)月的數(shù)據(jù)

一個(gè)月的數(shù)據(jù)不夠啊，我們想要很多個(gè)月的數(shù)據(jù)，那就寫(xiě)得函數(shù)來(lái)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
          
        

畫(huà)圖

分好類(lèi)，爬了多個(gè)月份的數(shù)據(jù)，就剩最終的畫(huà)圖部分了。使用Pandas提供給我們的函數(shù)，可以很容易就畫(huà)出圖來(lái)。

          
            def plot_weather(start, end):
    df = read_weather(start, end).dropna().reset_index()
    df['weather'] = df.apply(weath_category, axis=1)
    
    from pylab import rcParams
    rcParams['figure.figsize'] = 40, 10
    weather_df = df.groupby(['month', 'weather']).aqi.count().unstack().reset_index()
    weather_df.plot.bar(x='month', y=[rain_index, overcast_index, cloudy_index, sunny_index])
          
        

功能擴(kuò)展

現(xiàn)在只能收集到一個(gè)月的數(shù)據(jù)，想收集多個(gè)月的數(shù)據(jù)，還都自己去頁(yè)面上找城市代表的code是啥，太低效了。

這個(gè)網(wǎng)站這么容易爬，那就再試試能不能找到調(diào)用code的API。

啊哦，一不小心找到了所有的code，哈哈哈。

那就在JS里面提取一下。

1. 先把所有的JS代碼都復(fù)制到瀏覽器的console里, 結(jié)果長(zhǎng)這樣：

1. 將其轉(zhuǎn)換成字符串。

          
            provqx.flatMap(a => a).join('|')
          
        

1. 在Python里處理它。

          
            def line_to_city_code(line):
    return line.split(' ')[1].split('-')

def get_city_to_code():
    city_code_list = list(map(line_to_city_code, city_code.split('|')))
    return {city_code[0]: city_code[1] for city_code in city_code_list if len(city_code) == 2}
          
        

這樣我們就拿到所有的code了，只需要輸入城市，開(kāi)始時(shí)間，結(jié)束時(shí)間，一張漂亮的圖就出來(lái)了,我還寫(xiě)了個(gè)類(lèi)稍微封裝了一下，只需要這樣就能使用了：

          
            Weather('深圳').plot_weather('201701', '201906')
          
        

遇到的坑

以前在電腦里面處理過(guò)一次，就是matplotlib畫(huà)圖中文亂碼的事情，這次換了新電腦又碰到了。所以又搞了一次，

大概的步驟可以參考https://www.jianshu.com/p/8ed59ac76c06

我為了以防下次再經(jīng)歷一次，就寫(xiě)了個(gè)腳本自動(dòng)處理這件事，目前只支持macOS和Python3。
腳本也在我的GitHub：bash，

直接執(zhí)行下面的bash腳本就可以解決這個(gè)問(wèn)題：

          
            curl -o- https://raw.githubusercontent.com/boydfd/one_step_solve/master/matplotlib_chinese.sh | bash