基于Python的天气预测和天气可视化: Python课程设计项目：基于python机器学习(ml)的天气预测和天气可视化

项目名称：天气预测和天气可视化

天气预测和天气可视化是一个基于python机器学习(ml)的长春地区的天气预报项目，它实现了天气数据的爬取，预测和可视化。

项目结构如下：

GetData文件使用python爬虫技术,爬取长春和全国的天气信息数据

爬取网站：http://tianqi.2345.com/wea_history/54161.htm

ProcessDate文件对爬取的天气数据进行了预处理

几个CSV文件保存的是爬取后并经过处理的数据

GetModel文件通过训练预测模型来预测长春近一周的天气，该文件利用Joblib将模型保存到本地

Main文件是项目主文件，通过运行该文件即可运行整个项目，该文件前部分获取保存到本地的预测模型来进行预测，并将预测结果打印到控制台

Main文件后部分实现了天气数据的可视化

本项目分为三个部分，即爬取和处理数据，数据预测（包含评价方法）和数据可视化

数据爬取代码：

即使用python爬取网站的json数据

获取到的天气信息包括最高温，最低温都不是int格式的数字，通过对数据截取，将部分指标的数据变换为int类型

并对缺失值进行了处理

通过SimpleImputer ，可以将现实数据中缺失的值通过同一列的均值、中值、或者众数补充起来，本项目使用了SimpleImputer的fit_transform对缺失值进行填充

预测数据采用了机器学习算法——线性回归 模型使用过程：

其中ProcessData()函数里使用了如下语句：

train_test_split()是sklearn包的model_selection模块中提供的随机划分训练集和验证集的函数；使用train_test_split函数将完整的数据集和验证集以同等的比例分成2组不同的数据集和验证集

选择了随机树森林模型(randomforest)，然后用fit来训练模型

对于评估模型准确率的评价方法，本处使用的是MAE，也就是mean_absolute_error 平均绝对误差，就每个预测的数值离正确数值错误数值的平均数

假设：

平均绝对误差（Mean Absolute Error）等于：

范围[0,+∞)，当预测值与真实值完全吻合时等于0，即完美模型；误差越大，该值越大。在本项目中：

MAE: 3.8629148629148626

项目利用了pyecharts框架来实现绘图功能，实现天气的可视化

导入相关的包如下：

运行main.py,运行结果如下：

同时会生成一个html网页，名为天气网

网页内容如下：

首页今日长春以表格形式展现了长春当日的天气信息，包括日期，最高温，最低温，天气，风力风向，空气质量指数。

以柱形图和折线图显示未来一星期长春天气的预测内容，包括最高温，最低温，空气质量指数。

以柱形图和折线图显示最近一星期长春的气温（最高温，最低温）和空气质量指数。

以表格形式展现中国今日各个省的天气情况，实际显示的数据是该省的省会城市的天气信息。

以地图形式展现中国今日各个省的的空气质量指数

当鼠标移动到某个省上，会显示该省的空气质量：

存在的问题：

对应改进方向