前言

基于爬取中国气象局数据后，生成的透视表不够美观，采用excel生成报表操作重复。可以考虑使用pyecharts进行热力图生成，挂载服务器后每周生成，为其他业务预测提供参考依据。

本文主要讲解如何使用pyecharts构建并生成最终的热力图。

一、数据源

数据源：爬取中国气象局中各省份城市天气(链接)。其中101010100 为城市天气查询编码，可在网页中寻找到全部城市天气查询编码。

数据格式：需要温度带、城市、日期、最高(低)气温℃字段。日期包括去年乃至今年(即每日对应的气温都有一条去年对应的气温)。数据表格式如下：

	温度带	城市编码	城市	日期	星期	最高气温℃	最低气温℃	降雨概率%	历史
0	寒带	101050101	哈尔滨	20211111	NaN	5	-4	17.0	1
1	寒带	101050101	哈尔滨	20211112	NaN	4	-4	20.0	1
2	寒带	101050101	哈尔滨	20211113	NaN	1	-7	23.0	1
...	...	...	...	...	...	...	...	...	...
2911	热带	101310101	海口	20221225	日	22	16	NaN	0
2912	热带	101310101	海口	20221226	一	21	16	NaN	0
2913	热带	101310101	海口	20221227	二	21	15	NaN	0

二、成果图

计算绘制当天前7天与后21天范围内的数据。

三、绘制步骤

1.引入库

import pandas as pd
import os,re,time,random
from pyecharts import options as opts
from pyecharts.charts import HeatMap
from pyecharts.commons.utils import JsCode

2.数据处理

path为天气数据路径。handle_data(path)：读入数据后选取数据框范围，计算数值。

代码如下：

def handle_data(path):df=pd.read_excel(path)#写入时间d1 = 7*24*60*60d2 = 21*24*60*60t = time.time()date1 = int(time.strftime("%Y%m%d",time.gmtime(t-d1)))date2 = int(time.strftime("%Y%m%d",time.gmtime(t+d2)))date3 = date1 - 10000date4 = date2 - 10000df_new = df.loc[(df['日期']>=date1) & (df['日期'] <= date2),:]df_old = df.loc[(df['日期']>=date3) & (df['日期'] <= date4),:]df_new['去年最高气温℃'] = list(df_old['最高气温℃'])df_new['最高温差(今年-去年)'] = df_new['最高气温℃'] - df_new['去年最高气温℃']df_new['去年最低气温℃'] = list(df_old['最低气温℃'])df_new['最低温差(今年-去年)'] = df_new['最低气温℃'] - df_new['去年最低气温℃']return df_new

3.绘制函数

df_为计算后天气数据框，types为类型，例如绘制最高温差图，则types为数据框中的'最高温差(今年-去年)'。thermodynamic(df_,types)：读入数据后，对数据进行处理。

读入后的data数据格式如下：[['1111', '哈尔滨', 5], ['1112', '哈尔滨', -4], ['1113', '哈尔滨', -1], ['1114', '哈尔滨', 1], ['1115', '哈尔滨', 2], ..., ['1206', '海口', 1], ['1207', '海口', -1], ['1208', '海口', -1], ['1209', '海口', 0]]。city列表如下：

	城市	温度带
2	福州	热带
6	海口	热带
...	...	...
27	长春	寒带
18	沈阳	寒带
5	哈尔滨	寒带

data列表中每一个元素为['日期','城市名称','温差']，city为城市，温度带，作用是对y轴按照温度带对城市进行排序。构建两个字典，对data中的数据进行映射，日期对应于x轴(0-(len(date)-1)，城市对应于y轴(0-(len(c)-1)，即构建(x，y，z)。接着将温度带首次出现与城市名字相连接，并对齐，随后反转列表。

采用pyecharts开始绘制热力图即可。.add_xaxis()为x轴坐标，.add_yaxis()为设置y轴坐标，具体参数详见下文代码。

代码如下：

def thermodynamic(df_,types):#数据处理,为了下文中标签名字范围date1 = min(df_['日期'])date2 = max(df_['日期'])data = [[str(df_.iloc[i]['日期'])[4:], df_.iloc[i]['城市'], df_.iloc[i][types]] for i in range(len(df_))]date = [str(i)[4:] for i in list(df_.loc[df_['城市']=='北京',:]['日期'])]city = pd.read_excel('./city_weather.xlsx')l= ['寒带','温带','暖带','热带']city['温度带'] = city['温度带'].astype('category')city['温度带'].cat.reorder_categories(l, inplace=True)city.sort_values(['温度带','城市'], ascending=False, inplace=True)c = list(city['城市'])te = list(city['温度带'])#构建字典dict_date = {}for i in range(len(date)):dict_date[date[i]] = idict_city = {}for i in range(len(c)):dict_city[c[i]] = i#将data中的数据转换df = [[dict_date[i], dict_city[j], int(z)] for i,j,z in data]#将列表中首次出现的温度带与城市相连接，并对齐四个城市。tep = []ci = []for i in range(len(te)-1,-1,-1):if te[i] not in tep:tep.append(te[i])ci.append(f'{te[i]}{(5-len(c[i]))*"—"}{c[i]}')else:ci.append(c[i])ci.reverse()im = (HeatMap(init_opts=opts.InitOpts(width="2075px", height="899px")).add_xaxis(xaxis_data=date).add_yaxis(series_name=types,#ci:y轴城市名称yaxis_data=ci,value=df,# 图中列表的字体设置等label_opts=opts.LabelOpts(font_size=13,is_show=True,font_style = 'normal',font_family = 'Times New Roman',color="#493D26",position="inside",horizontal_align = 'center',#horizontal_align="50%"vertical_align = 'middle'),).set_series_opts().set_global_opts(title_opts=opts.TitleOpts(title=types),#工具栏，使用后不美观#toolbox_opts=opts.ToolboxOpts(),legend_opts=opts.LegendOpts(is_show=False),xaxis_opts=opts.AxisOpts(#x轴坐标倾斜，可自主设置。#axislabel_opts=opts.LabelOpts(rotate=-30),#x轴上方名称name=f'{date1}----{date2}',name_location='middle',#间距name_gap=35,name_textstyle_opts=opts.TextStyleOpts(font_family= 'Times New Roman',font_size=20,color='black',font_weight='bolder',),#类目数据type_="category",position='top',#is_scale=True,splitarea_opts=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)),),yaxis_opts=opts.AxisOpts(name='city',name_location='middle',name_gap=45,name_textstyle_opts=opts.TextStyleOpts(font_family= 'Times New Roman',font_size=20,color='black',font_weight='bolder',),type_="category",#type_="value",#修改y轴标签颜色axislabel_opts=opts.LabelOpts(is_show=True,position="top",color='pink',),splitarea_opts=opts.SplitAreaOpts(is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)),),visualmap_opts=opts.VisualMapOpts(range_text = [ '热','冷'],range_color = ['#1589FF','#38ACEC','#3BB9FF','#C6DEFF','#EBF4FA','#FBBBB9','#F9966B','#F75D59','#FF0000'],#range_color = ['#FF0000','#F75D59','#F9966B','#FBBBB9','#EBF4FA','#C6DEFF','#3BB9FF','#38ACEC','#1589FF'],type_='color',#颜色取值范围min_=min(df_[types]),max_=max(df_[types]),is_calculable=True,#orient="horizontal",orient = 'vertical',#pos_left="center"#pos_right = "right"pos_top = "center"),))'''# 标记线条，穿过温度带城市，使用后不美观。可在其他类型图表中使用，例如标记最高、最低，平均等。lst = [i for i in filter(lambda x: '带' in x, ci)]im.set_series_opts(markline_opts=opts.MarkLineOpts(# 标记线数据data=[# MarkLineItem：标记线数据项opts.MarkLineItem(                  name=lst[0],y = lst[0],symbol_size = None,   ),opts.MarkLineItem(                  name=lst[1],y = lst[1],symbol_size = None,   ),opts.MarkLineItem(                  name=lst[2],y = lst[2],symbol_size = None,   ),opts.MarkLineItem(                  name=lst[3],y = lst[3],symbol_size = None,   )],symbol ='circle',label_opts=opts.LabelOpts(color="#493D26"),linestyle_opts=opts.LineStyleOpts(color = 'red',opacity = 0.6,# 'solid', 'dashed', 'dotted'type_ = 'dashed',width = 0.5,)),  )'''return im

4.保存

保存为图片需要使用chromedriver，并安装snapshot-selenium。运行方法、保存图片代码如下：

#path:数据文件路径
df = handle_data(path)
im = thermodynamic(df,'最高温差(今年-去年)')
#输出
im.render_notebook()
#保存
im.render(f"路径.html")#保存为图片
from snapshot_selenium import snapshot
from pyecharts.render import make_snapshot
make_snapshot(snapshot, im.render(), "test.jpeg")