记录《Python数据分析实战》一书中关于意大利北部沿海地区气象数据分析的练习。
此次分析的目的是验证靠海对气候的影响，因此，选取10个城市分析他们的天气数据，其中5个城市距离海100公里以内，另外5个城市距离海100~400公里距离。此外，为了避免山区气候对天气数据造成影响，选取的城市均来自平原地区。
1. 加载数据集
# 导入模块
import numpy as np
import pandas as pd
import datetime
#导入数据可视化模块
%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
from dateutil import parser
# 加载数据集
df_ferrara = pd.read_csv('WeatherData/ferrara_270615.csv')
df_milano = pd.read_csv('WeatherData/milano_270615.csv')
df_mantova = pd.read_csv('WeatherData/mantova_270615.csv')
df_ravenna = pd.read_csv('WeatherData/ravenna_270615.csv')
df_torino = pd.read_csv('WeatherData/torino_270615.csv')
df_asti = pd.read_csv('WeatherData/asti_270615.csv')
df_bologna = pd.read_csv('WeatherData/bologna_270615.csv')
df_piacenza = pd.read_csv('WeatherData/piacenza_270615.csv')
df_cesena = pd.read_csv('WeatherData/cesena_270615.csv')
df_faenza = pd.read_csv('WeatherData/faenza_270615.csv')
[/code]
# 2. 温度数据分析
a. 气温走势
分析一天中气温变化趋势，以米兰为例
```code
# 分析一天中气温变化趋势，x轴为时间，y轴为气温
y1 = df_milano['temp']
x1 = df_milano['day']
# 由于原始数据中【day】列中时间格式为：2015/6/27 1:54:14 PM
# 用dateutil.parser将日期数据转换成datetime格式
day_milano = [parser.parse(x) for x in x1]
# 调用subplot函数， fig是图像对象，ax是坐标轴对象
fig, ax = plt.subplot()
# 将x轴坐标刻度标签逆时针旋转70度，方便查看
plt.xticks(rotation=70)
# 设置时间格式为24：00（时：分）('%H:%M')
hours = mdates.DateFormatter('%H:%M')
# 设置x轴时间显示的格式为以上设置的格式
ax.xaxis.set_major_formatter(hours)
# 作折线图
ax.plot(day_milano,y1,'r')
由上图可知，气温走势接近正弦曲线，从早晨开始，气温逐渐上升，最高温出现在下午6点钟，其中30度以上的气温出现在下午3点到7点之间，随后气温逐渐下降，在次日早上6点达到最低。
b. 多城市气温走势对比
选取三个最靠近海的城市：ravenna, faenza, cesena和三个最不靠海的城市：milano, asti, torino
ax.plot(x,y)作折线图对比。
y1 = df_ravenna['temp']
x1 = df_ravenna['day']
y2 = df_faenza['temp']
x2 = df_faenza['day']
y3 = df_cesena['temp']
x3 = df_cesena['day']
y4 = df_milano['temp']
x4 = df_milano['day']
y5 = df_asti['temp']
x5 = df_asti['day']
y6 = df_torino['temp']
x6 = df_torino['day']
day_ravenna = [parser.parse(x) for x in x1]
day_faenza = [parser.parse(x) for x in x2]
day_cesena = [parser.parse(x) for x in x3]
day_milano = [parser.parse(x) for x in x4]
day_asti = [parser.parse(x) for x in x5]
day_torino = [parser.parse(x) for x in x6]
fig, ax = plt.subplots()
plt.xticks(rotation=70)
hours = mdates.DateFormatter('%H:%M')
ax.xaxis.set_major_formatter(hours)
ax.plot(day_ravenna, y1, 'r', day_faenza, y2,'r', day_cesena, y3, 'r', day_milano, y4, 'g', day_asti, y5, 'g', day_torino, y6, 'g')
[/code]
,
df_cesena['temp'].max(),
df_faenza['temp'].max(),
df_ferrara['temp'].max(),
df_bologna['temp'].max(),
df_mantova['temp'].max(),
df_piacenza['temp'].max(),
df_milano['temp'].max(),
df_asti['temp'].max(),
df_torino['temp'].max()]
temp_min = [df_ravenna['temp'].min(),
df_cesena['temp'].min(),
df_faenza['temp'].min(),
df_ferrara['temp'].min(),
df_bologna['temp'].min(),
df_mantova['temp'].min(),
df_piacenza['temp'].min(),
df_milano['temp'].min(),
df_asti['temp'].min(),
df_torino['temp'].min()]
# 作最高气温与距离的关系曲线
fig, ax = plt.subplots()
ax.plot(dist, temp_max, 'r--o')
由上图可以看到：
- 在这个时间段内，海洋对气温有一定的影响
- 进一步，海洋对气温的影响衰减快，在20~70公里影响显著，在70公里以外的城市都处于气温高位。
d. 海洋对气温的影响存在一个强影响区（近海的5个城市）和弱影响区（远海的5个城市），因此可以拟合两条变化直线表示不同气温趋势。
使用sklearn.svm里的SVR拟合直线
# 用线型回归算法得到两条直线，分别表示不同的气温趋势
from sklearn.svm import SVR
# 两条直线分别是：离海较近的五个城市温度变化，离海较远的五个城市温度变化
dist1 = dist[:5]
dist2 = dist[5:10]
# 此处dist1输出为[8,14,37,47,71]为1维，shape为(1，N)，而fit()和predict()函数都只接收二维shape为(N,1)的DF
dist1 = [[x] for x in dist1]
dist2 = [[x] for x in dist2]
print(dist1)
temp_max1 = temp_max[:5]
temp_max2 = temp_max[5:]
print(temp_max1)
# 调用SVR函数，使用线型拟合
# 因为目的是线型拟合，拟合越精确越好，不需要考虑泛化能力，因此C可以设置很大
svr_lin1 = SVR(C=1000,kernel='linear')
svr_lin2 = SVR(C=1000, kernel='linear')
# 加入数据进行拟合
svr_lin1.fit(dist1, temp_max1)
svr_lin2.fit(dist2, temp_max2)
# 拟合后，对新的数据集进行预测，方便生产拟合直线的参数
# 因为predict()只接收shape为(N,1)的数据集，用reshape()将(1,N)变为(N,1)
xp1 = np.arange(10,100,10).reshape((-1,1))
xp2 = np.arange(50,400,50).reshape((7,1))
yp1 = svr_lin1.predict(xp1)
yp2 = svr_lin2.predict(xp2)
# 绘图，限制x轴取值范围
ax.set_xlim(0,400)
ax.plot(xp1, yp1, c='b', label='Strong sea effect')
ax.plot(xp2, yp2, c='g', label='Light sea effect')
# 显示拟合图
fig
[/code]
 #斜率
print(svr_lin1.intercept_) #截距
print(svr_lin2.coef_)
print(svr_lin2.intercept_)
[/code]
```code
[[0.04794118]]
[27.65617647]
[[0.00401274]]
[29.98745223]
[/code]
```code
from scipy.optimize import fsolve
# 定义两条拟合直线
def line1(x):
a1 = svr_lin1.coef_[0][0]
b1 = svr_lin1.intercept_[0]
return a1*x + b1
def line2(x):
a2 = svr_lin2.coef_[0][0]
b2 = svr_lin2.intercept_[0]
return a2*x + b2
# 定义找到两条直线交点的x的坐标函数
# fsolve(func(x), x0) fsolve求解func(x)=0时x的值，其中x0为初始值，若求解的x有多个值，寻找接近x0的值。
def findIntersection(fun1,fun2,x0):
return fsolve(lambda x: fun1(x)-fun2(x),x0)
result = findIntersection(line1, line2, 0.0)
# 格式符%d 返回十进制整数
print("[x,y] = [%d, %d]"%(result, line1(result)))
# x = [0,10,20,...,300]
x = np.linspace(0,300,31)
plt.plot(x,line1(x),x, line2(x),result, line1(result),'ro')
[/code]
```code
[x,y] = [53, 30]
[/code]
)
plt.plot(dist,temp_min,'bo')
[/code]
plt.xticks(rotation=70)
# parse时间数据
# 将时间从str类型转换为标准datetime类型
day_ravenna=[parser.parse(x) for x in x1]
day_faenza = [parser.parse(x) for x in x2]
day_cesena = [parser.parse(x) for x in x3]
day_milano = [parser.parse(x) for x in x4]
day_asti = [parser.parse(x) for x in x5]
day_torino = [parser.parse(x) for x in x6]
# 设置坐标轴中时间显示格式为时：分（Y,m,d,H,M,S)(年月日时分秒)
hours = mdates.DateFormatter('%H:%M')
ax.xaxis.set_major_formatter(hours)
# 作图
ax.plot(day_ravenna,y1,'r',day_faenza,y2,'r',day_cesena,y3,'r')
ax.plot(day_milano,y4,'g',day_asti,y5,'g',day_torino,y6,'g')
[/code]
,
df_cesena['humidity'].max(),
df_faenza['humidity'].max(),
df_ferrara['humidity'].max(),
df_bologna['humidity'].max(),
df_mantova['humidity'].max(),
df_piacenza['humidity'].max(),
df_milano['humidity'].max(),
df_asti['humidity'].max(),
df_torino['humidity'].max()
]
plt.plot(dist, hum_max,'bo')
# 最小湿度与距离关系
hum_min = [
df_ravenna['humidity'].min(),
df_cesena['humidity'].min(),
df_faenza['humidity'].min(),
df_ferrara['humidity'].min(),
df_bologna['humidity'].min(),
df_mantova['humidity'].min(),
df_piacenza['humidity'].min(),
df_milano['humidity'].min(),
df_asti['humidity'].min(),
df_torino['humidity'].min()
]
plt.plot(dist,hum_min,'bo')
[/code]
[/code]
print(hist)
print(bins)
[/code]
```code本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
