基于python的气温数据分析设计与实现.pdf

《基于python的气温数据分析设计与实现.pdf》由会员分享，可在线阅读，更多相关《基于python的气温数据分析设计与实现.pdf（2页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2019年第9期(总第201期)信息通信2019(Sum. No201)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)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

2、(2019)09-0027-02Abstract:PythonExtension Pack provides powerfulfunctionsfar data analysis. Based on Pythons temperature data analysis,PythonExtensionPack isusedto completetheanalysisoftemperaturedata. Theexperimental resultsshow thattheoperationalresultsofmeteorological dataarein line withtheactuals

3、ituationandcan predictthe change of urbantemperature,andthefuturetrendoftempmiurecanbe predictedby theanalysis ofimage results.Keywords:Keywords:Pythondata-aaalysis;meteorological-data;temperatureexpansion-package图1中，获取数据阶段，从多个气象网站搜集2018年100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

4、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Matplotiib141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M

5、atplotlib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

6、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

7、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。5Fisher YuandVladlenKoltun. Multi-scale context aggrega8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, 4

8、4(10):130-13&tion bydilatedconvolutions.International ConferenceonLearningRepresentations 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):48-54.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):48-50.2

9、7信息通信20182018 年 1010 月淮安的it it高最低气温折线图25 25(2020p)s需m15 15l10105 5101015 15202025 25DateDate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189；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16C,最低为5Co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

10、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27C,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

11、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28C；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

12、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17C。月江林包六6城市匕旳比折0101 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Py

13、thon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2 017.&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MalotUb实践M.北京:电子工业出版社2018.9.5Wes McKinney（ 美 .利用Python进行数据分析M.北京:机械工业出版社2014.1.6FabioNeelli（意）.Python数据分析实战M.北京:人民邮电出版社2016.&