Python实战：20分钟搭建免费天气仪表盘
1. 项目概述：用Python快速打造天气仪表盘
最近在帮朋友做一个小工具时，发现用Python搭建天气仪表盘的需求其实很普遍。无论是个人出行规划、农业种植参考，还是简单的数据可视化练习，一个直观的天气仪表盘都能派上用场。这个项目最吸引人的地方在于：完全免费、代码简洁、20分钟就能跑起来，特别适合Python新手作为第一个实战项目。
我选择的方案是基于requests获取天气数据，用matplotlib和pygal做可视化，最后通过Flask搭建本地网页展示。整个过程不需要注册任何付费API，所有工具都是Python生态里的主流库，环境配置也非常简单。下面我就把这个项目的完整实现过程拆解给大家，包括几个关键技巧和容易踩的坑。
2. 环境准备与工具选型
2.1 基础环境配置
首先确保你的电脑已经安装Python 3.6+版本。推荐使用Miniconda管理环境（比Anaconda更轻量）：
conda create -n weather python=3.8 conda activate weather注意：如果遇到conda命令不可用的情况，需要先将conda添加到系统环境变量。Windows用户可以在Anaconda Prompt中执行
conda init，Linux/Mac用户需要在~/.bashrc中添加export PATH="~/miniconda3/bin:$PATH"
2.2 必需库安装
这几个库是我们项目的核心依赖：
pip install requests matplotlib pygal flask- requests：用于获取天气API数据（比urllib更友好）
- matplotlib：绘制温度曲线图（行业标准可视化库）
- pygal：生成SVG格式的交互式图表（适合网页展示）
- flask：轻量级Web框架（比Django更简单）
2.3 开发工具建议
虽然可以用任何文本编辑器写Python代码，但我强烈推荐：
- VS Code：安装Python扩展后智能提示很好用
- PyCharm Community：专业Python IDE，免费版足够用
- Jupyter Notebook：适合分步调试可视化效果
3. 天气数据获取实战
3.1 免费API选择
经过对比测试，我推荐这两个免费天气API：
- Open-Meteo：无需API key，直接请求即可
import requests def get_weather(latitude=39.9, longitude=116.4): url = f"https://api.open-meteo.com/v1/forecast?latitude={latitude}&longitude={longitude}&daily=temperature_2m_max,temperature_2m_min,precipitation_sum&timezone=auto" response = requests.get(url) return response.json() - WeatherAPI：免费套餐足够用（需注册获取key）
def get_weather_alternative(city="Beijing"): url = f"http://api.weatherapi.com/v1/forecast.json?key=YOUR_KEY&q={city}&days=5" response = requests.get(url) return response.json()
关键技巧：在开发阶段可以先把API响应保存为JSON文件，避免频繁请求被限制：
import json with open('weather_data.json', 'w') as f: json.dump(response.json(), f)
3.2 数据清洗与格式化
原始API数据需要处理后才能用于可视化：
def process_data(raw_data): days = raw_data['daily']['time'] max_temps = raw_data['daily']['temperature_2m_max'] min_temps = raw_data['daily']['temperature_2m_min'] return { 'days': [d.split('-')[-1] for d in days], # 只保留日期 'max_temps': max_temps, 'min_temps': min_temps, 'precipitation': raw_data['daily']['precipitation_sum'] }4. 可视化图表实现
4.1 温度曲线图（Matplotlib）
import matplotlib.pyplot as plt def create_temp_chart(data): plt.figure(figsize=(10, 5)) plt.plot(data['days'], data['max_temps'], 'r-', label='最高温') plt.plot(data['days'], data['min_temps'], 'b-', label='最低温') plt.fill_between(data['days'], data['min_temps'], data['max_temps'], color='orange', alpha=0.1) plt.title('5日温度趋势', fontproperties='SimHei') plt.xlabel('日期') plt.ylabel('温度(℃)') plt.legend() plt.grid(True) plt.savefig('static/temp_chart.png') # 保存为图片供网页使用4.2 降水概率图（Pygal）
import pygal def create_precip_chart(data): bar_chart = pygal.Bar() bar_chart.title = '5日降水量 (mm)' bar_chart.x_labels = data['days'] bar_chart.add('降水量', data['precipitation']) bar_chart.render_to_file('static/precip_chart.svg')5. Flask网页集成
5.1 基础网页结构
创建templates/dashboard.html：
<!DOCTYPE html> <html> <head> <title>天气仪表盘</title> <style> .chart-container { display: flex; } .chart { margin: 20px; } </style> </head> <body> <h1>5日天气预报</h1> <div class="chart-container"> <div class="chart"> <img src="{{ url_for('static', filename='temp_chart.png') }}"> </div> <div class="chart"> <embed type="image/svg+xml" src="{{ url_for('static', filename='precip_chart.svg') }}"/> </div> </div> </body> </html>5.2 Flask主程序
app.py核心代码：
from flask import Flask, render_template import os app = Flask(__name__) @app.route('/') def dashboard(): # 确保static目录存在 if not os.path.exists('static'): os.makedirs('static') weather_data = get_weather() processed_data = process_data(weather_data) create_temp_chart(processed_data) create_precip_chart(processed_data) return render_template('dashboard.html') if __name__ == '__main__': app.run(debug=True)6. 项目优化与扩展
6.1 自动刷新实现
让仪表盘每小时自动更新数据：
from apscheduler.schedulers.background import BackgroundScheduler def update_charts(): weather_data = get_weather() processed_data = process_data(weather_data) create_temp_chart(processed_data) create_precip_chart(processed_data) scheduler = BackgroundScheduler() scheduler.add_job(update_charts, 'interval', hours=1) scheduler.start()6.2 多城市支持
修改路由支持城市参数：
@app.route('/<city>') def city_dashboard(city): weather_data = get_weather_by_city(city) processed_data = process_data(weather_data) ...6.3 部署到云服务器
用Gunicorn+Nginx部署：
pip install gunicorn gunicorn -w 4 -b 0.0.0.0:8000 app:app7. 常见问题解决
中文显示乱码：
- 下载SimHei字体放到matplotlib字体目录
- 在代码中添加：
plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False
API请求限制：
- 添加延时避免频繁请求
import time time.sleep(1) # 每次请求间隔1秒图表不更新：
- 浏览器缓存问题，可以强制刷新（Ctrl+F5）
- 或者在图片URL后添加时间戳：
<img src="/static/temp_chart.png?t={{ timestamp }}">
这个项目虽然简单，但涵盖了Python开发的完整流程：数据获取、处理、可视化和Web展示。我在实际开发中发现，用pygal生成的SVG图表在移动端显示效果特别好，而matplotlib则更适合需要精细控制的场景。如果想让仪表盘更美观，可以尝试用Bootstrap美化网页界面，或者用Plotly替代matplotlib实现交互式图表。