基于python的气温数据分析设计与实现

信息通信 2019(Sum. No 201)INFORMATION & COMMUNICATIONS

基于Python的气温数据分析设计与实现卞玉露，蒋慧敏(宿迁学院信息工程学院，江苏宿迁223800)摘要:Python扩展包提供了数据分析的强大功能，基于Python的气温数据分析利用了 Python的数据分析扩展包，完成 了气温数据的分析。实验结果表明：气象数据运行结果符合实际，能够预测城市气温变化；通过图像结果的分析可以预 测未来气溫走向。关键词:Python；数据分析 汽象数据汽温;扩展包中图分类号:P413 文献标识码:A 文章编号：1673-1131(2019)09-0027-02Abstract:Python Extension Pack provides powerful functions far data analysis. Based on Python's temperature data analysis, Python Extension Pack is used to complete the analysis of temperature data. The experimental results show that the operational

results ofmeteorological data are in line with the actual situation and can predict the change of urban temperature, and the future trend oftempmiure can be predicted by the analysis of image results.Keywords: Pythondata-aaalysis;meteorological-data;temperature expansion-package图1中，获取数据阶段，从多个气象网站搜集2018年10

0引言数据分析作为一种前沿技术，被广泛运用于物联网、云计算

等新兴产业当中。近年来，Python的受欢迎程度正逐年稳步攀

月份江苏省内多个城市温度的具体数据，并以Excel形式来存

放这些气象数据。数据处理阶段，通过xlnl模块包将表格导

升,使用率大幅度提高。Python语言简单精炼，并且具有丰富和 强大的库，为数据分析提供大量雷数叭现有的气温数据分析大 多是利用R语言、SPSS语言进行分析。基于Python的气温数

入从而读取数据，对数据进行清洗。数据可视化阶段，利用Ma・

tplotiib141子库Pyplot中的plot函数绘制气温折线图。数据分 析阶段，逋过对各城市的气温变化折线图和6个城市的气温 数据的对比图进行分析，从而预测各城市气温的未来走向。据分析设计与实现,是将Python运用到气象行业领域中,使用

了 Matplotlib子库Pyplot中的plot函数绘制气温折线图，使数 据变化更加清晰、直观，从而方便进行数据分析。通过分析气 温数据因走向和城市最高气温对比折线圏，来预测江苏省2018 年11月份的气温变化趋势及2019年10月份的整体气温走向。2气温数据的处理和分析2.1数据处理从“中国气象网”、“天气后报网”、“中国天气网”等气象网 站上查找了江苏省各城市在2018年10月份的气温数据。将

各城市的气温数据转换成Excel表格内的数据，通过标准的

1设计思路Python作为胶水语言，更能轻易地以多种方式与其他语

言的模块“粘接”在一起叫基于Python的气温数据分析设计 与实现主要利用折线图来分析数据，能更直观的看出每日的

xlrd模块包导入数据，调用open_workbook函数读取气温数据 文件。检测在导入的数据中是看存在“脏”数据，即对不符合 要求、不能直接处理的数据进行数据清洗，进而对异常值、不

合实际的数值进行过滤、筛选。具体气温数据及昼夜温差的大小。具体模块图如下：2.2分析数据图MatplotUb库在Python中主要用来绘制图表，它提供了 NumPy和pyplot函数，方便进行绘图和计算。气象数据可视 化运用了 MatplotHb库中的plot函数绘制气温折线图，其中使

用xlabel添加横轴标签“10月份的日期”，使用ylabel添加纵

轴名称“气温”，使用title添加图形的标题“2018年某城市的最

高最低气温折线图”，最后调用save五g显示图像，得出某市的 气温折线图。以2018年10月份淮安市和南京市的气温折线图为例。在

下图2、图3中，横坐标表示日期，纵塑标表示气温。红色折线表 示最高气温，蓝色折线表示最低气温,以便于删了解粉析。

图1基于Pylhon的气象数振分析的整体模块图图4表示江苏省2018年10月份各城市的最高气温对比折线图。[5] Fisher Yu and Vladlen Koltun. Multi-scale context aggrega­[8] 王军,夏利民.基于深度学习特征的异常行为检测[J].湖

南大学学报(自然科学版),2017,44(10):130-13&tion by dilated convolutions. International Conference on Learning Representations [C], 2016.[6] 基于深度学习的人群密度估计及稠密人群计数的研究

[9] 叶张帆，黄立勤.基于深度学习和特征点数量的人数统计

方法[J].厦门理工学院学报,2018,26(1):48-.作者简介:魏金金(1986J,女,河南新乡人，助教，硕士，研究方 向:复变函数分析、数学建模与优化算法。[D].郑州大学,2017.[7] 郑国书,朱秋煜,王辉.基于深度学习SSD模型的视频室

内人数统计[〕]•工业控制计算机,2017,30(11):48-50.27信息通信2018年10月淮安的it高最低气温折线图25(20p)s

需 m15l

105 10

15

20 25Date图2淮安堀高最低气温折线图图3南京的最高最低气温折线图图2表示淮安市10月份温度的变化情况。表示最高气

温的红色折线在22C上下浮动，并且总体呈现降低的趋势,

最高为269,最低为1 ；表示最低气温的蓝色折线在10U

上下浮动，并且呈现降温趋势，最高为16°C,最低为5°Co最 高温度呈下降趋势时最低温度也下降。昼夜温差不大,其中，

25日昼夜温差最小,31日昼夜温差最大。图2中，在8号到

9号以及25号到26号，气温出现了剧烈下降，由此可以推 断，在相对平稳的气温变化的同时，也不可以排除会出现突

然降温或升温的情况，适当增减衣物。温度走势较平稳且呈 轻微的下降趋势，故可预测淮安市在U月份的温度随着冷空 气的降临而慢慢下降。图3表示南京市10月份温度变化情 况。红色折线在22-C上下浮动，并且总体呈现降低的趋势, 最高为27°C,最低为18C；蓝色折线在11C上下浮动，并且

呈现降温趋势，最高为18-C,最低为80 最高温度呈下降

趋势时最低温度也下降。南京市10月份昼夜温差较小，其

中，25日昼夜温差最小，30日昼夜温差最大。图3中，南京 市1日至9日温度较高，且红色折线与蓝色折线呈正比；10

日至22日红色折线变化平稳，蓝色折线有较大的波动;23日

至31日气温呈现猛烈下降的趋势，红色折线与蓝色折线变

化均明显。据此可以预测,南京市11月份气温会急剧下降且

昼夜温差会增大。图4表示江苏省各城市的最高温度对比折线图。用不同 颜色的折线表示出不同城市的最高温度数据变化情况,其中，

橙色表示宿迁、深蓝色表示南京、紫色表示徐州、黑色表示南

通、黄色表示连云港、青色表示淮安。这些城市的最高温度变

化趋势和走向相近，10月份中1日至8日气温相对较高，在

249-269范围内波动，如徐州日最高温度可高达28°C ； 9日至

28卞玉露等:基于Python的气温数据分析设计与实现10日气温急剧下降，导致10月中旬普遍气温普遍较低，如淮

安9日最高气温249,10日急剧下降至19T；11日至20日气 温较低，在1TC-22C范围内变化平稳，如南通最高温度均在

22上下1C波动；21日至31日期间气温呈剧烈变化，上下

波动较大,如连云港在24日至28日气温变化明显，从24U降

低至17°C。月江林包六6城市匕旳比折01酣图4辽苏省各城市2018年10月最高温度对比折线图据地理角度分析，这些城市属于平原丘陵地形且位于江 苏省内,一个月内的气温变化趋势类似,均在一个固定的范围

内上下波动。由此可以推断出，江苏省各城市总体气温比较

温和，温度变化均有规律可循，不乏有几天的气温出现剧烈升

温或降温,但是总体温度变化仍较平稳。2.3预測温度基于Python的气温数据分析，通过对南京和淮安两地在

2018年10月份的气温变化走势及6个城市的最高气温对比 图的分析，推测2018年江苏省各城市在10月份的整体气候 温热，昼夜温差较明显;10月下旬有明显的降温趋势,11月份

会逐渐降温且昼夜温差会更明显。预计2019年江苏省10月

份气候温热，昼夜温差较明显。经过分析可以得出，预测结果

符合实际。3结语本文对Python数据分析常用的工具用于气温变化走势分 析上，详细讲解了实现的原理和步骤，包括数据的获取、清洗、

特征提取与可视化显示.今后的改进:开发WEB平台,在平台 上提供更多属性的分析，为用户提供更为全面的，更为准确的 气候预测.参考文献：[1] 刘顺祥•从零开始学Python数据分析与挖掘[M].北京:清

华大学出版社2014.12.[2] 黄瑞芳，周园春，鞠茂•气象与大数据[M].北京:科学出版

社 2017.&⑶黄红梅，张良均.Python数据分析与应用[M].北京:人民邮

电出版社201 &4.[4] 刘大成.Python数据可视化之Ma^lotUb实践[M].北京:

电子工业出版社2018.9.[5] Wes McKinney（美〉.利用Python进行数据分析[M].北京:

机械工业出版社2014.1.[6] Fabio Neelli（意）.Python数据分析实战[M].北京:人民邮

电出版社2016.&