气温预测模型（机器学习实战5-天气预测系列:利用数据集可视化分析数据，并预测某个城市的天气情况）

时间2025-05-29 08:22:59分类IT科技浏览8006

导读：大家好，我是微学AI，最近天气真的是多变啊，忽冷忽热，今天再次给大家带来天气的话题，机器学习实战5-天气预测系列，我们将探讨一个城市的气象数据集，并利用机器学习来预测该城市的天气状况。该数据集包含年平均温度和湿度等信息。...

大家好，我是微学AI ，最近天气真的是多变啊，忽冷忽热，今天再次给大家带来天气的话题，机器学习实战5-天气预测系列，我们将探讨一个城市的气象数据集，并利用机器学习来预测该城市的天气状况。该数据集包含年平均温度和湿度等信息。

一、准备工作

首先，我们需要了解一下数据集中包含哪些信息。原始数据集可能包含多个变量，但我们主要关注年平均温度和湿度这两个因素对天气状况的影响。年平均温度和湿度可以很好地反映该城市的气候状况，因此它们是预测天气状况的重要变量。我们会对数据集中的各种字段进行分析。

在数据预处理和分析完成之后，我们可以使用各种机器学习算法进行预测。这些算法可以分为有监督学习和无监督学习。有监督学习算法需要使用标记数据集进行训练，以生成预测模型。常用的有监督学习算法包括线性回归、决策树、随机森林、向量机分类模型(SVC算法)等。无监督学习算法则不需要标记数据集，而是通过发现数据集中的潜在规律进行预测。常用的无监督学习算法包括聚类、降维等。本文采用向量机分类模型进行分类预测。

二、代码实践

1.数据导入

import pandas as pd import matplotlib.pyplot as plt import seaborn as sns plt.rcParams[font.sans-serif]=[SimHei] df = pd.read_csv(weather_dataset.csv) labels = pd.read_csv(weather_labels.csv)

我们将导入数据，数据的获取链接：https://pan.baidu.com/s/17M4oR-G_HVcDfFq1ap2rqw?pwd=9iu1

提取码：9iu1

数据样例：

DATE MONTH BASEL_cloud_cover BASEL_humidity BASEL_pressure BASEL_global_radiation BASEL_precipitation BASEL_sunshine BASEL_temp_mean BASEL_temp_min BASEL_temp_max BUDAPEST_cloud_cover BUDAPEST_humidity BUDAPEST_pressure 20000101 1 8 0.89 1.0286 0.2 0.03 0 2.9 1.6 3.9 3 0.92 1.0268 20000102 1 8 0.87 1.0318 0.25 0 0 3.6 2.7 4.8 8 0.94 1.0297 20000103 1 5 0.81 1.0314 0.5 0 3.7 2.2 0.1 4.8 6 0.95 1.0295 20000104 1 7 0.79 1.0262 0.63 0.35 6.9 3.9 0.5 7.5 8 0.94 1.0252 20000105 1 5 0.9 1.0246 0.51 0.07 3.7 6 3.8 8.6 5 0.88 1.0235 20000106 1 3 0.85 1.0244 0.56 0 5.7 4.2 1.9 6.9 5 0.89 1.026 20000107 1 8 0.84 1.0267 0.2 0 0 4.7 1.8 6.2 8 1 1.0299 20000108 1 4 0.79 1.0248 0.54 0 4.3 5.6 4.1 8.4 8 0.97 1.0302 20000109 1 8 0.88 1.0243 0.11 0.65 0 4.6 3.8 5.7 8 0.95 1.0289 20000110 1 8 0.91 1.0337 0.06 0.09 0 2.4 1.4 3.8 6 0.89 1.0323 20000111 1 8 0.88 1.0373 0.06 0 0 3.2 2.6 3.9 7 0.86 1.0381 20000112 1 8 0.77 1.0319 0.1 0 0 2.4 0.8 3 6 0.78 1.0378

2.2000年的温度变化图

f_budapest = pd.concat([df.iloc[:,:2],df.iloc[:,11:19]],axis=1) df_budapest[DATE] = pd.to_datetime(df_budapest[DATE],format=%Y%m%d) def mean_for_mth(feature): mean = [] for x in range(12): mean.append( float("{:.2f}".format(df_budapest[df_budapest[MONTH] == (x+1)][feature].mean()))) return mean df_budapest.drop([MONTH],axis=1).describe() #sns.set(style="darkgrid") plt.figure(figsize=(12,6)) plt.plot(df_budapest[DATE][:365],df_budapest[BUDAPEST_temp_mean][:365]) plt.title(2000年的温度变化图) plt.xlabel(DATE) plt.ylabel(DEGREE) plt.show()

3.布达佩斯(匈牙利首都)年平均温度

months = [Jan, Febr, Mar, Apr, May, Jun, Jul, Aug, Sep, Oct, Nov, Dec] mean_temp = mean_for_mth(BUDAPEST_temp_mean) plt.figure(figsize=(12,6)) bar = plt.bar(x = months,height = mean_temp, width = 0.8, color=[thistle,mediumaquamarine, orange]) plt.xticks(rotation = 45) plt.xlabel(MONTHS) plt.ylabel(DEGREES) plt.title(布达佩斯(匈牙利首都)年平均温度) plt.bar_label(bar) plt.show()

4.布达佩斯(匈牙利首都)的年平均湿度

mean_temp = mean_for_mth(BUDAPEST_humidity) plt.figure(figsize=(12,6)) bar = plt.bar(x = months, height = mean_temp, width = 0.8, color=[thistle,mediumaquamarine, orange]) plt.xticks(rotation = 45) plt.xlabel(MONTHS) plt.ylabel(HUMIDITY) plt.title(布达佩斯(匈牙利首都)的年平均湿度) plt.bar_label(bar) plt.show()

5.各指标的分布次数图

fig, axs = plt.subplots(2, 2, figsize=(12,8)) fig.suptitle(各指标的分布次数图) sns.histplot(data = df_budapest, x =BUDAPEST_pressure, ax=axs[0,0], color=red, kde=True) sns.histplot(data = df_budapest, x =BUDAPEST_humidity, ax=axs[0,1], color=orange, kde=True) sns.histplot(data = df_budapest, x =BUDAPEST_temp_mean, ax=axs[1,0], kde=True) sns.histplot(data = df_budapest, x =BUDAPEST_global_radiation, ax=axs[1,1], color=green, kde=True) plt.show()

6. 分析天气标签提供一些基本的数据探索和采样策略

针对数据进行了一些数据探索和取样，具体包括以下步骤：

1.统计天气标签（labels）的数量分布并使用 seaborn 绘制了计数图；

2.计算天气标签（labels）为真和为假的百分比；

3.将天气标签转换为整数，并使用 seaborn 绘制了标签（labels）与温度的关系；

4.统计了过采样后的天气标签（labels）的数量分布并使用 seaborn 绘制了计数图；

5.绘制了数据集的特征之间的相关性热图。

labels_budapest = labels[BUDAPEST_BBQ_weather] sns.set(style="darkgrid") plt.figure(figsize=(12,6)) sns.countplot(x = labels_budapest).set(title=Labels for BUDAPEST) true_val = len(labels_budapest[labels_budapest == True]) false_val = len(labels_budapest[labels_budapest == False]) print(Precent of True values: {0:.2f}%.format(true_val/(true_val+false_val)*100)) print(Precent of False values: {0:.2f}%.format(false_val/(true_val+false_val)*100)) labels_budapest = labels_budapest.astype(int) plt.figure(figsize=(12,6)) sns.set(style="darkgrid") sns.boxplot(y = df_budapest[BUDAPEST_temp_mean], x = labels_budapest).set(title=Relation between the temperature and the bbq weather) labels_budapest = labels_budapest.astype(int) df_budapest = df_budapest.drop([DATE],axis=1) from imblearn.over_sampling import RandomOverSampler oversample = RandomOverSampler() ovrspl_X, ovrspl_y = oversample.fit_resample(df_budapest, labels_budapest) labels_budapest = labels[BUDAPEST_BBQ_weather] sns.set(style="darkgrid") plt.figure(figsize=(12,6)) sns.countplot(x = ovrspl_y).set(title=Oversampled Labels for BUDAPEST) true_val = len(ovrspl_y[ovrspl_y == 1]) false_val = len(ovrspl_y[ovrspl_y == 0]) print(Precent of True values: {0:.1f}%.format(true_val/(true_val+false_val)*100)) print(Precent of False values: {0:.1f}%.format(false_val/(true_val+false_val)*100)) plt.figure(figsize=(12,6)) sns.set(style="darkgrid") sns.heatmap(df_budapest.corr(),annot=True,cmap=coolwarm).set(title=Correlation between features) plt.show()

7. 基于SVC模型的机器学习预测天气分类

from sklearn.preprocessing import MinMaxScaler scaler = MinMaxScaler() norm_X = scaler.fit_transform(ovrspl_X) norm_X = pd.DataFrame(norm_X, columns=df_budapest.columns) norm_X.describe() from sklearn.model_selection import train_test_split # Splitting dataset on training and testing datasets X_train, X_test, y_train, y_test = train_test_split(ovrspl_X,ovrspl_y, test_size = 0.3, random_state = 42) print(Training set: + str(len(X_train))) print(Testing set: + str(len(X_test))) from sklearn.svm import SVC model = SVC(verbose=True, kernel = linear, random_state = 0) model.fit(X_train,y_train) y_predict = model.predict(X_test) from sklearn.metrics import classification_report, confusion_matrix, accuracy_score print(Classification report--------------------------------) print(classification_report(y_test,y_predict)) sns.heatmap(confusion_matrix(y_test,y_predict), annot=True, fmt=g).set(title=Confusion Matrix) print(Model accuracy is: {0:.2f}%.format(accuracy_score(y_test, y_predict)*100))

运行结果：

Training set: 3235 Testing set: 1387 [LibSVM]................................*...............................*................................................* optimization finished, #iter = 110434 obj = -581.485644, rho = -4.010761 nSV = 647, nBSV = 635 Total nSV = 647 Classification report-------------------------------- precision recall f1-score support 0 0.98 0.91 0.95 712 1 0.92 0.98 0.95 675 accuracy 0.95 1387 macro avg 0.95 0.95 0.95 1387 weighted avg 0.95 0.95 0.95 1387 Model accuracy is: 94.66%

文章结束，欢迎大家咨询与合作。