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 python3.8 conda activate weather_dashboard2.2 必备库安装我们需要安装以下几个核心库pip install requests matplotlib pyechartsrequests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 fhttps://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 days4. 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, colorgray, alpha0.1) 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_optsopts.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_optsopts.TitleOpts(title湿度变化)) ) # 组合图表 page Page(layoutPage.SimplePageLayout) page.add(line, bar) return page5. 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缓存API响应结果避免重复请求使用try-except处理网络异常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 None6.2 可视化优化技巧使用主题美化图表from pyecharts.globals import ThemeType line Line(init_optsopts.InitOpts(themeThemeType.LIGHT))添加更多指标展示如紫外线指数、降水概率等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添加城市选择功能让用户输入想查询的城市集成到Flask/Django网页应用中增加邮件通知功能定时发送天气预报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尝试使用Pandas处理更复杂的数据学习使用Seaborn制作统计图表探索Plotly的3D可视化能力了解如何使用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。