企业官网建设流程全解析

简介：面向计算机科学及相关专业学生的课程设计项目资源包，聚焦气象数据预测分析与可视化展示，适合正在完成期末大作业、课程设计或寻求Python实践训练的学习者。压缩包共13个文件，包含5个Python源程序、3个Excel数据表、3个备份文件及1份项目文档，整体大小仅673KB，解压后即可直接运行。核心预测模块负责气象趋势分析，数据合并与读取模块处理北京天气和空气质量数据，可视化模块生成饼图等图形，污染趋势分析模块进一步探索污染变化，配套文档说明各文件用途及部署步骤。已有60人学习下载，能够帮助学习者快速掌握数据分析、爬虫采集、可视化全流程。通过该项目可以熟悉从天气数据抓取、Excel合并预处理到预测建模与图表展示的完整思路，源码结构清晰，便于直接调试和二次开发，加深对数据科学实践工具链的理解。

1. 基于Python的天气数据预测与可视化系统实现：课程设计别再只画三张折线图了

每年答辩季都能看到一类“标准课程设计”：标题挂着“预测”和“可视化”，打开一看是两张 Matplotlib 折线图和一段读 CSV 的代码。这个题目真正的价值在于它覆盖了一条完整的数据项目链路：从请求天气数据、洗掉脏数据、训练一个能说清参数含义的预测模型，再到把结果变成能交互的图表。整条链路跑通，你的收获会超过对着教程抄十遍爬虫。这篇文章按我实际做过的方案走，从数据获取讲到 ARIMA 预测再到 Flask + ECharts 可视化，连答辩时最容易被问倒的坑一起拆掉。无论是课程设计还是练手项目，按这个路径复现一遍，你拿到的是一套能讲清楚“为什么”的系统，而不是一堆靠运气跑通的代码。

2. 系统拆解与算法选型：预测不是拍脑袋，可视化不是堆图表

2.1 天气数据从哪来：公开 API、爬虫、离线文件三选一

天气数据获取没有银弹，常见做法是三条路：公开 API、网页爬虫、离线数据集。课程设计里我一般优先推荐公开 API，理由是稳定性和可解释性。以 OpenWeatherMap 的 5 天/3 小时预报接口为例，注册后拿一个免费 key，就能按城市 ID 拉取 JSON 格式的结构化数据，温度、湿度、风速、天气描述都齐了。这个免费额度对做预测完全够用，每分钟 60 次调用的限制，做课程设计一天也碰不到几次。

爬虫这条路适合作为“备选方案”写进系统设计文档里，但真不建议作为主数据源。中国天气网这类站点有反爬策略，你费劲解析 HTML 拿到的字段还不一定比 API 全；如果对方页面结构变了，答辩前一晚数据源挂掉，心态直接崩。离线文件（比如从气象数据平台下载的历史 CSV）作为补充可以，但题目既然叫“系统实现”，数据链路里最好有一节是“实时请求”，不然评委一句“数据从哪来”你就只能含糊过去。

表：三种数据获取方式对比

选型落到代码上，核心就三步：发请求、解析 JSON、转 DataFrame。下面这段是我常用的最小可用脚本，把 API 返回的数据整理成“每小时一条温度记录”的表格，后面直接喂给预测模型。

import requests import pandas as pd from datetime import datetime API_KEY = "你的_api_key" # 北京的城市ID是 1816670，在 OpenWeatherMap 的 city.list 里查 CITY_ID = "1816670" url = ( f"http://api.openweathermap.org/data/2.5/forecast" f"?id={CITY_ID}&appid={API_KEY}&units=metric&lang=zh_cn" ) resp = requests.get(url, timeout=10) data = resp.json() # 逐条提取预报时间与温度，生成 DataFrame records = [] for item in data["list"]: ts = item["dt"] # Unix 时间戳 dt = datetime.fromtimestamp(ts) records.append({ "time": dt, "temp": item["main"]["temp"], "humidity": item["main"]["humidity"], }) df = pd.DataFrame(records) df["time"] = pd.to_datetime(df["time"]) print(df.head())

参数说明两个容易看漏的地方：units=metric是让返回的温度用摄氏度，默认是开尔文，差 273.15 度，这个坑很隐蔽；lang=zh_cn把天气描述换成中文，但注意main字段里的温度数值不受 lang 影响。timeout=10是给请求加个上限，防止网络抖动时脚本卡死。拿到df之后先print(df.head())确认列名和时间格式，再往下走。

2.2 预测算法怎么选：把线性回归、ARIMA、LSTM 放到天秤上

很多课程设计的毛病是“万物皆 LSTM”——不管数据量多少，先搭个神经网络再说，结果训练出来一条水平线，答辩时只能含糊几句。做预测选型要看两个硬指标：数据量和数据形态。

天气温度是典型的单变量时间序列，有日周期（白天热晚上冷）和季节趋势（夏天高冬天低）。如果你的历史数据只有三百条左右，LSTM 这类深度学习模型基本是翻车现场，参数量比样本量还大，不做过拟合实验根本压不住。我一般把选型按阶梯来：第一档是线性回归，拿时间特征（小时、月份）做 baseline，让学生明白“均值预测”是地板；第二档是 ARIMA，这是时间序列预测的经典方案，参数有明确含义（差分阶数、自回归阶数、移动平均阶数），答辩时能聊的东西多；第三档才轮到 LSTM，适合数据量充足、你想往深度学习方向延伸的场景。

做课程设计时 ARIMA 的性价比最高。它不需要 GPU，pmdarima 库的auto_arima能自动定阶，statsmodels可以画 ACF/PACF 图做诊断。代价是它对数据的平稳性有要求，需要先差分，这部分是理论分，写进报告里能显深度。线性回归作为对照模型来用，如果 ARIMA 连线性回归都跑不过，说明你的数据本身没有太多可预测的信息，这个结论也值一个章节去分析。

2.3 可视化框架选型：课程设计的性价比排名

可视化是答辩时的“门面”，框架选错了会拖慢进度。按性价比排：纯 Matplotlib 适合快速看数据分布和模型诊断；Pyecharts 上手快、图表交互效果好（缩放、提示框都有），适合做前端展示；Flask + ECharts 工作量大一些，但把预测系统做成了“可操作的网站”，演示效果直接提升一个档次。

我的建议是“Matplotlib 做诊断图、Flask + ECharts 做交付页面”。Matplotlib 负责在调试阶段快速画温度曲线、ACF 图、残差图，让你自己看清楚数据长什么样；最终展示系统用 Flask 起一个本地网页，ECharts 在前端渲染图表，城市切换、预测区间这些交互都能做，评委体验好。Pyecharts 也不是不能用，但它本质是“生成 HTML 代码嵌入页面”，如果你想自定义布局，不如直接从 ECharts 的 option 配置写起。

3. 数据清洗与探索：把天气数据收拾到能喂给模型的干净状态

3.1 爬虫获取的数据先做三件事：去重、补缺、剔异常

API 返回的数据相对规整，但课程设计为了凑“数据处理”章节，很多人会故意或者无意引入脏数据。常见的脏数据问题有：同一时刻重复记录（重试请求导致）、某个时间点温度缺失（接口限流或网络抖动）、异常值（传感器故障记录的 999.9 或 -999）。清洗三板斧按顺序来：先drop_duplicates去重，再处理缺失值，最后剔异常值。

import numpy as np # 1. 去重：按时间列去掉完全重复的记录 df = df.drop_duplicates(subset=["time"], keep="last") # 2. 缺失值处理：先把无意义的填充值替换为 NaN，再按时间插值 # OpenWeatherMap 有些字段可能返回 null df["temp"] = df["temp"].replace([999.9, -999.9], np.nan) df["temp"] = df["temp"].interpolate(method="time") # 3. 异常值检测：3sigma 原则，超过均值 3 倍标准差视为异常 mean = df["temp"].mean() std = df["temp"].std() lower, upper = mean - 3 * std, mean + 3 * std df = df[(df["temp"] >= lower) & (df["temp"] <= upper)]

清洗的逻辑讲究“可追溯”。interpolate(method="time")是按时间间隔线性插值，比method="linear"更适合时间序列，因为它会考虑相邻点的时间差，而不是把两个点机械地取平均。3sigma 原则的阈值不是拍脑袋定的，天气温度分布相对集中，取 3 倍标准差已经能滤掉传感器误报，太低的阈值（1.5 倍）会把正常降温误杀。清洗完检查一下df.shape，如果删掉的记录超过 5%，就要回看数据源是不是出问题了。

3.2 特征工程：从时间戳里榨出可用的预测信号

原始的时间戳是一个 Unix 整数，直接扔给模型没有意义。做时间序列预测可以从时间戳里拆出两类特征：周期性特征和时间上下文。周期性特征是核心，比如小时（0-23）决定了日内温度曲线，月份（1-12）反映了季节趋势。

# 拆出周期特征 df["hour"] = df["time"].dt.hour df["month"] = df["time"].dt.month # 把日期转成数值特征，供回归模型使用 df["dayofyear"] = df["time"].dt.dayofyear # 温度做一阶差分，看序列是否平稳 df["temp_diff1"] = df["temp"].diff().dropna()

这里的dayofyear是给线性回归用的连续特征，表示一年中的第几天，模型可以从它学到“越靠近夏天越热”的趋势。hour和month是周期变量，直接用数值喂给线性回归会有问题——23 点和 0 点相差 1 小时，但数值差了 23，模型会产生错误的“跳变”语义。所以如果要认真做线性回归，应该把小时转成 sin/cos 特征。ARIMA 不需要这些手工特征，它有内在的差分机制去捕捉趋势和季节，所以这些特征主要是给 baseline 模型和可视化分析用的。

做完特征工程，画一张按小时聚合的箱线图，基本能看到温度数据的分布形态：白天箱体窄（温度稳定），夜间箱体宽（辐射降温差异大）。这个观察可以写进报告的数据探索章节，证明你“看过数据”而不只是“跑过代码”。

4. 预测模型落地：用 ARIMA 做温度预测的调参实战

4.1 先画图再定阶：ACF 和 PACF 怎么读

ARIMA 定阶是个老生常谈又绕不开的话题。auto_arima能帮你省钱，但答辩老师一句“p、q 怎么选的”就能问倒一批人。所以光会调库不够，得能讲清楚为什么选这个参数。

先对差分后的序列画 ACF 和 PACF 图。两个图怎么读：PACF 图在 lag 1 处出现一个明显的尖峰，后面截尾到零，说明自回归项 p 取 1；ACF 图拖尾（缓慢衰减），则移动平均项 q 可能为 0。反过来也一样。如果 ACF 很快截尾、PACF 拖尾，那是 MA 模型的标志。

from statsmodels.graphics.tsaplots import plot_acf, plot_pacf import matplotlib.pyplot as plt # 对一阶差分序列画图 diff_series = df["temp"].diff().dropna() fig, axes = plt.subplots(1, 2, figsize=(12, 4)) plot_acf(diff_series, ax=axes[0], lags=30) plot_pacf(diff_series, ax=axes[1], lags=30) plt.show()

参数lags=30表示看 30 个滞后期的相关性，这个数字不是越大越好。温度数据有 24 小时周期，lags 至少要覆盖 24 个点才能看到日周期的影响。如果 ACF 图在 lag 24 处有明显尖峰，说明数据存在 24 步的季节性，这时候可以考虑要不要加seasonal=True来建模。不过课程设计的数据通常只有几天到几周，日周期信号可能不够强，强行季节建模反而过拟合。

4.2 用 auto_arima 定阶，但要留个心眼

pmdarima的auto_arima是时间序列选手的后悔药，它会遍历候选参数组合，按 AIC 选最优。但完全交给它也有风险：样本太少时容易选出过拟合的高阶模型。我一般会限住搜索范围，宁可选一个稍微“笨”一点的模型。

from pmdarima import auto_arima # 训练集：用前面 80% 的时间段 train_size = int(len(df) * 0.8) train, test = df["temp"].iloc[:train_size], df["temp"].iloc[train_size:] # 限制参数搜索范围，避免高阶过拟合 model = auto_arima( train, start_p=1, max_p=5, start_q=1, max_q=5, d=None, # 自动测差分 seasonal=False, # 数据量小，先不考虑季节项 trace=True, # 打印搜索过程 error_action="ignore", suppress_warnings=True, stepwise=True ) print(model.summary())

d=None是让库自动测试差分阶数，通常温度序列一阶差分就变平稳，取 1 就够了。seasonal=False在数据量不足时是安全保障，不然模型会把噪声当成季节信号，预测值在测试集上飘得没边。stepwise=True是启发式搜索，速度快很多；如果数据量小，可以开stepwise=False做全搜索，但耗时指数级上升。

模型训练完，立刻看model.summary()输出里的 P 值。Ljung-Box 检验的 p 值要大于 0.05，说明残差是白噪声。P 值小于 0.05 意味着模型没把信息榨干净，还有模式没抓到，这时需要调高 p 或 q。

4.3 训练、预测、评估：别让 RMSE 成为自欺欺人的数字

时间序列切训练集和测试集，一定不能随机切，而是要按时间顺序切。很多课程设计死在这一步：用train_test_split(test_size=0.2)随机切分，训练集里混着测试集的数据，模型“偷看”了未来，预测准确率高得离谱，答辩一问就露馅。

from sklearn.metrics import mean_squared_error import numpy as np # 时间序列必须按顺序切分，不能随机切 train, test = df["temp"].iloc[:train_size], df["temp"].iloc[train_size:] # 预测测试集长度对应的步数 predictions = model.predict(n_periods=len(test)) rmse = np.sqrt(mean_squared_error(test, predictions)) print(f"RMSE: {rmse:.2f}") # 把预测结果和真实值画在一起 plt.figure(figsize=(10, 4)) plt.plot(test.index, test.values, label="真实值") plt.plot(test.index, predictions, label="预测值") plt.legend() plt.show()

这段代码有两个值得注意的点。第一，model是在训练集上拟合的，n_periods=len(test)表示预测未来 N 个点，这里的 N 是测试集长度，不是随便定的。第二，RMSE的单位和温度一致，所以 “RMSE=1.5” 意味着平均误差 1.5 摄氏度。如果 RMSE 超过 5 摄氏度，先别急着调参，回去看数据清洗那一步是不是漏了什么——比如测试集时段有天气突变（冷空气过境），这类极端事件用 ARIMA 几乎是预测不了的，这时把“模型对极端天气的迟钝”写进报告的分析里，反而是加分项。

5. 避坑：课程设计里躲不开的五个坑

5.1 城市 ID 查错导致请求 404

现象：requests.get返回 404，程序直接抛异常退出。原因：OpenWeatherMap 的城市标识是专门的 ID 编码，不是城市名也不是邮编，很多人拿北京拼音或者邮政编码去试。解决：去官方city.list.json.gz文件里搜，或者用http://api.openweathermap.org/data/2.5/weather?q=Beijing&appid=...按城市名查，让接口帮你解析。注意q参数不支持中文城市名，要用拼音。

5.2 时区偏移让曲线整体平移

现象：画出来的温度曲线整体比实际热，峰值出现在凌晨。原因：OpenWeatherMap 返回的dt是 UTC 时间戳，直接fromtimestamp拿到的是你的本地时间，但如果你在代码里先转字符串再转 datetime，中间时区被吞掉就会偏移 8 小时。解决：用datetime.fromtimestamp(ts, tz=timezone(timedelta(hours=8)))带时区转换，或统一用 UTC 存储，画图时再映射到北京时间。做预测时时间对齐是硬前提，错 8 个小时，模型学到的“日周期”全废。

5.3 auto_arima 选择了过大的 p、q 导致预测值漂移

现象：预测曲线在测试集上先是一段直线，然后突然发散成巨大的波动。原因：小样本下 auto_arima 全搜索可能选出高阶模型，参数多、样本少，估计方差极大。解决：限制max_p=5, max_q=5，并优先用stepwise=True；另外可以人工读 ACF/PACF 图去矫正 auto_arima 的结果，如果 ACF 显示 q=2 够用，就算 AIC 再小也不要直接取 p=5 的模型。

5.4 中文图表方块字体

现象：Matplotlib 图上坐标轴的中文全是小方块。原因：Matplotlib 默认字体不支持中文，这是环境问题不是代码问题。解决：在绘图文件顶部加三行设置：

import matplotlib.pyplot as plt plt.rcParams["font.sans-serif"] = ["SimHei"] # 黑体 plt.rcParams["axes.unicode_minus"] = False # 让负号正常显示

如果服务器上没装 SimHei，可以用plt.rcParams["font.sans-serif"] = ["WenQuanYi Zen Hei"]或者上传一个simhei.ttf文件手动注册。这个坑在答辩演示时特别致命，图表全是方块，代码写得再好也白搭。

5.5 数据泄漏：随机切分训练集和测试集

现象：训练 RMSE 和测试 RMSE 都小得不可思议。原因：train_test_split默认随机打乱数据，时间序列被打乱后，模型在“预测”时偷看了附近的真实值。解决：时间序列切分必须用ts.split或者手动按位置切。如果你用了类似“前 80% 训练、后 20% 测试”的切法还可以更严谨一点：用滚动窗口交叉验证，避免只在某一个固定时间段上验证模型。

6. 进阶验证：用滚动预测还原真实场景，别让答辩问倒你

固定切分训练集和测试集有一个问题：它只验证了模型在一个时间段上的表现，可天气系统是动态的，今天训练明天预测，每天都在变。滚动预测（也叫 walk-forward validation）更贴近真实使用：从某一天开始，每次用截至当前的全部历史数据预测下一天，然后真实值到达后把它并进历史数据，再预测再往后一天。这种验证方式能评估模型在长期运行中的真实表现，也是答辩时展示系统“能用”的核心证据。

from copy import deepcopy history = list(df["temp"].iloc[:train_size]) rolling_preds, rolling_trues = [], [] for i in range(train_size, len(df)): # 每次都用当前全部历史数据重训模型 model = auto_arima( history, start_p=1, max_p=3, start_q=1, max_q=3, d=1, seasonal=False, stepwise=True, suppress_warnings=True, error_action="ignore" ) pred = model.predict(n_periods=1)[0] true_val = df["temp"].iloc[i] rolling_preds.append(pred) rolling_trues.append(true_val) history.append(true_val) rolling_rmse = np.sqrt(mean_squared_error(rolling_trues, rolling_preds)) print(f"滚动预测 RMSE: {rolling_rmse:.2f}")

d=1是这里唯一的硬编码参数，因为固定切分时已经确认一阶差分足够。每次循环重训一个模型，开销很大但数据量小没关系。如果滚动 RMSE 比固定切分的 RMSE 明显大，不是代码错了，而是说明模型在“没见过未来”的情况下预测能力下降，这反而是个值得写进报告的真实结论：预测系统应该定期用新数据重训，而不是一次训练终身使用。答辩时老师如果问“系统怎么投入日常使用”，把这段逻辑讲清楚，比背十页算法原理都管用。

我个人被问倒过的经历是“你的模型最多能预测几天”。我用两天的数据训练，然后预测了 7 天，RMSE 大得离谱。后来才意识到，天气预测的极限和数据的可预测性有关，ARIMA 预测步数越长，误差累积越大，这是模型特性不是 bug。把“有效预测时长”和“误差累积规律”写进报告，比硬撑着说“系统能预测未来一个月”老实得多，也安全得多。这个项目做到这里才算真正闭环：数据能拿、能洗、能预测、能展示，每个结论都有依据而不是靠感觉说话。希望帮到你。

本文还有配套的精品资源，点击获取