保存csv文件

• 前面将爬取的数据添加到列表中，这里引入csv库，利用f_csv.writerow(header)和f_csv.writerows(data)方法，分别写入表头和每一行的数据，这里将1天和未来14天的数据分开存储，分别保存为weather1.csv和weather14.csv，下面是他们保存的表格图：

2.可视化分析

当天温度变化曲线图

• 采用matplotlib中plt.plot()方法绘制出一天24小时的温度变化曲线，并用plt.text()方法点出最高温和最低温，并画出平均温度线，下图为温度变化曲线图：(代码见附录)

分析可以发现这一天最高温度为33℃，最低温度为28℃，并且平均温度在20.4℃左右，通过对时间分析，发现昼夜温差5℃，低温分布在凌晨，高温分布在中午到下午的时间段。

当天相对湿度变化曲线图

• 采用matplotlib中plt.plot()方法绘制出一天24小时的湿度变化曲线，并画出平均相对湿度线，下图为湿度变化曲线图：(代码见附录)

分析可以发现这一天最高相对湿度为86%，最低相对湿度为58℃，并且平均相对湿度在75%左右，通过对时间分析，清晨的湿度比较大，而下午至黄昏湿度较小。

温湿度相关性分析图

• 经过前面两个图的分析我们可以感觉到温度和湿度之间是有关系的，为了更加清楚直观地感受这种关系，使用plt.scatter()方法将温度为横坐标、湿度为纵坐标，每个时刻的点在图中点出来，并且计算相关系数，下图为结果图：

  分析可以发现一天的温度和湿度具有强烈的相关性，他们呈负相关，这就说明他们时间是负相关关系，并且进一步分析，当温度较低时，空气中水分含量较多，湿度自然较高，而温度较高时，水分蒸发，空气就比较干燥，湿度较低，符合平时气候现象。

• 空气质量指数柱状图

• 空气质量指数AQI是定量描述空气质量状况的指数，其数值越大说明空气污染状况越重，对人体健康的危害也就越大。一般将空气质量指数分为6个等级，等级越高说明污染越严重，下面使用plt.bar方法对一天24小时的空气质量进行了柱状图绘制，并且根据6个等级的不同，相应的柱状图的颜色也从浅到深，也表明污染逐步加重，更直观的显示污染情况，并且也将最高和最低的空气质量指数标出，用虚线画出平均的空气质量指数，下图是绘制结果图：

  上面这张是南方珠海的控制质量图，可以看出空气质量指数最大也是在健康范围，说明珠海空气非常好，分析可以发现这一天最高空气质量指数达到了35，最低则只有14，并且平均在25左右，通过时间也可以发现，基本在清晨的时候是空气最好的时候（4-9点），在下午是空气污染最严重的时候，所以清晨一般可以去外面呼吸新鲜的空气，那时污染最小。

• -  而下面这个空气质量图是选取的北方的一个城市，可以看到这里的环境远远比不上珠海。

• 

• 风向风级雷达图

• 统计一天的风力和风向，由于风力风向使用极坐标的方式展现较好，所以这里采用的是极坐标的方式展现一天的风力风向图，将圆分为8份，每一份代表一个风向，半径代表平均风力，并且随着风级增高，蓝色加深，最后结果如下所示：

  分析可以发现这一天西南风最多，平均风级达到了1.75级，东北风也有小部分1.0级，其余空白方向无来风。

• 未来14天高低温变化曲线图

• 统计未来14天的高低温度变化，并绘制出他们的变化曲线图，分别用虚线将他们的平均气温线绘制出来，最后结果如下所示：

  分析可以发现未来14天高温平均气温为30.5℃，温度还是比较高，但是未来的第8天有降温，需要做好降温准备，低温前面处于平稳趋势，等到第8天开始下降，伴随着高温也下降，整体温度下降，低温平均在27℃左右。

• 未来14天风向风级雷达图

• 统计未来14天的风向和平均风力，并和前面一样采用极坐标形式，将圆周分为8个部分，代表8个方向，颜色越深代表风级越高，最后结果如下所示：

  分析可以发现未来14天东南风、西南风所占主要风向，风级最高达到了5级，最低的西风平均风级也有3级。

• 未来14天气候分布饼图

• 统计未来14天的气候，并求每个气候的总天数，最后将各个气候的饼图绘制出来，结果如下所示：

  分析可以发现未来14天气候基本是“雨”、“阴转雨”和“阵雨”，下雨的天数较多,结合前面的气温分布图可以看出在第8-9天气温高温下降，可以推测当天下雨，导致气温下降。

• 3.结论

  4.代码框架

  附源代码

  weather.py

  # weather.py
  import requests
  from bs4 import BeautifulSoup
  import csv
  import json
  def getHTMLtext(url):     
  """请求获得网页内容"""
   try:         
    r = requests.get(url, timeout = 30)         
    r.raise_for_status()         
    r.encoding = r.apparent_encoding         
  print("成功访问")         
  return r.text     
   except:         
  print("访问错误")         
  return" "
  
  def get_content(html):
  """处理得到有用信息保存数据文件"""
   final = []          # 初始化一个列表保存数据
   bs = BeautifulSoup(html, "html.parser")  # 创建BeautifulSoup对象
   body = bs.body
   data = body.find('div', {<!-- -->'id': '7d'})    # 找到div标签且id = 7d
  # 下面爬取当天的数据
   data2 = body.find_all('div',{<!-- -->'class':'left-div'})
   text = data2[2].find('script').string  
   text = text[text.index('=')+1 :-2]   # 移除改var data=将其变为json数据
   jd = json.loads(text)
   dayone = jd['od']['od2']     # 找到当天的数据
   final_day = []           # 存放当天的数据
   count = 0
  for i in dayone:
    temp = []
  if count &lt;=23:
     temp.append(i['od21'])     # 添加时间
     temp.append(i['od22'])     # 添加当前时刻温度
     temp.append(i['od24'])     # 添加当前时刻风力方向
     temp.append(i['od25'])     # 添加当前时刻风级
     temp.append(i['od26'])     # 添加当前时刻降水量
     temp.append(i['od27'])     # 添加当前时刻相对湿度
     temp.append(i['od28'])     # 添加当前时刻控制质量
  #print(temp)
     final_day.append(temp)
    count = count +1
  # 下面爬取7天的数据 
   ul = data.find('ul')      # 找到所有的ul标签
   li = ul.find_all('li')      # 找到左右的li标签
   i = 0     # 控制爬取的天数
  for day in li:          # 遍历找到的每一个li
  if i &lt; 7 and i &gt; 0:
           temp = []          # 临时存放每天的数据
           date = day.find('h1').string     # 得到日期
           date = date[0:date.index('日')]   # 取出日期号
           temp.append(date)            
           inf = day.find_all('p')      # 找出li下面的p标签,提取第一个p标签的值，即天气
           temp.append(inf[0].string)
  
           tem_low = inf[1].find('i').string   # 找到最低气温
  
  if inf[1].find('span') is None:   # 天气预报可能没有最高气温
               tem_high = None
  else:
               tem_high = inf[1].find('span').string  # 找到最高气温
           temp.append(tem_low[:-1])
  if tem_high[-1] == '℃':
            temp.append(tem_high[:-1])
  else:
            temp.append(tem_high)
  
           wind = inf[2].find_all('span')  # 找到风向
  for j in wind:
            temp.append(j['title'])
  
           wind_scale = inf[2].find('i').string # 找到风级
           index1 = wind_scale.index('级')
           temp.append(int(wind_scale[index1-1:index1]))
           final.append(temp)
       i = i + 1
  return final_day,final
  #print(final)    
  def get_content2(html):
  """处理得到有用信息保存数据文件"""
   final = []                # 初始化一个列表保存数据
   bs = BeautifulSoup(html, "html.parser")        # 创建BeautifulSoup对象
   body = bs.body
   data = body.find('div', {<!-- -->'id': '15d'})          # 找到div标签且id = 15d
   ul = data.find('ul')            # 找到所有的ul标签
   li = ul.find_all('li')            # 找到左右的li标签
   final = []
   i = 0                 # 控制爬取的天数
  for day in li:               # 遍历找到的每一个li
  if i &lt; 8:
           temp = []               # 临时存放每天的数据
           date = day.find('span',{<!-- -->'class':'time'}).string    # 得到日期
           date = date[date.index('（')+1:-2]        # 取出日期号
           temp.append(date)  
           weather = day.find('span',{<!-- -->'class':'wea'}).string    # 找到天气
           temp.append(weather)
           tem = day.find('span',{<!-- -->'class':'tem'}).text      # 找到温度
           temp.append(tem[tem.index('/')+1:-1])     # 找到最低气温
           temp.append(tem[:tem.index('/')-1])      # 找到最高气温
           wind = day.find('span',{<!-- -->'class':'wind'}).string    # 找到风向
  if'转'in wind:           # 如果有风向变化
            temp.append(wind[:wind.index('转')])
            temp.append(wind[wind.index('转')+1:])
  else:             # 如果没有风向变化，前后风向一致
            temp.append(wind)
            temp.append(wind)
           wind_scale = day.find('span',{<!-- -->'class':'wind1'}).string    # 找到风级
           index1 = wind_scale.index('级')
           temp.append(int(wind_scale[index1-1:index1]))
  
           final.append(temp)
  return final
  
  def write_to_csv(file_name, data, day=14):
  """保存为csv文件"""
   with open(file_name, 'a', errors='ignore', newline='') as f:
  if day == 14:
     header = ['日期','天气','最低气温','最高气温','风向1','风向2','风级']
  else:
     header = ['小时','温度','风力方向','风级','降水量','相对湿度','空气质量']
    f_csv = csv.writer(f)
    f_csv.writerow(header)
    f_csv.writerows(data)
  
  def main():
  """主函数"""
  print("Weather test")
  # 珠海
   url1 = 'http://www.weather.com.cn/weather/101280701.shtml'# 7天天气中国天气网
   url2 = 'http://www.weather.com.cn/weather15d/101280701.shtml'# 8-15天天气中国天气网
  
   html1 = getHTMLtext(url1)
   data1, data1_7 = get_content(html1)  # 获得1-7天和当天的数据
  
   html2 = getHTMLtext(url2)
   data8_14 = get_content2(html2)   # 获得8-14天数据
   data14 = data1_7 + data8_14
  #print(data)
   write_to_csv('weather14.csv',data14,14) # 保存为csv文件
   write_to_csv('weather1.csv',data1,1)
  
  if __name__ == '__main__':
   main()
  
  
  

  data1_analysis.py:

  # data1_analysis.py
  import matplotlib.pyplot as plt
  import numpy as np
  import pandas as pd
  import math
  def tem_curve(data):
  """温度曲线绘制"""
   hour = list(data['小时'])
   tem = list(data['温度'])
  for i in range(0,24):
  if math.isnan(tem[i]) == True:
     tem[i] = tem[i-1]
   tem_ave = sum(tem)/24     # 求平均温度 
   tem_max = max(tem)    
   tem_max_hour = hour[tem.index(tem_max)] # 求最高温度
   tem_min = min(tem)
   tem_min_hour = hour[tem.index(tem_min)] # 求最低温度
   x = []
   y = []
  for i in range(0, 24):
    x.append(i)
    y.append(tem[hour.index(i)])
   plt.figure(1)
   plt.plot(x,y,color='red',label='温度')       # 画出温度曲线
   plt.scatter(x,y,color='red')   # 点出每个时刻的温度点
   plt.plot([0, 24], [tem_ave, tem_ave], c='blue', linestyle='--',label='平均温度')  # 画出平均温度虚线
   plt.text(tem_max_hour+0.15, tem_max+0.15, str(tem_max), ha='center', va='bottom', fontsize=10.5)  # 标出最高温度
   plt.text(tem_min_hour+0.15, tem_min+0.15, str(tem_min), ha='center', va='bottom', fontsize=10.5)  # 标出最低温度
   plt.xticks(x)
   plt.legend()
   plt.title('一天温度变化曲线图')
   plt.xlabel('时间/h')
   plt.ylabel('摄氏度/℃')
   plt.show()
  
  def hum_curve(data):
  """相对湿度曲线绘制"""
   hour = list(data['小时'])
   hum = list(data['相对湿度'])
  for i in range(0,24):
  if math.isnan(hum[i]) == True:
     hum[i] = hum[i-1]
   hum_ave = sum(hum)/24     # 求平均相对湿度 
   hum_max = max(hum)    
   hum_max_hour = hour[hum.index(hum_max)] # 求最高相对湿度
   hum_min = min(hum)
   hum_min_hour = hour[hum.index(hum_min)] # 求最低相对湿度
   x = []
   y = []
  for i in range(0, 24):
    x.append(i)
    y.append(hum[hour.index(i)])
   plt.figure(2)
   plt.plot(x,y,color='blue',label='相对湿度')       # 画出相对湿度曲线
   plt.scatter(x,y,color='blue')   # 点出每个时刻的相对湿度
   plt.plot([0, 24], [hum_ave, hum_ave], c='red', linestyle='--',label='平均相对湿度')  # 画出平均相对湿度虚线
   plt.text(hum_max_hour+0.15, hum_max+0.15, str(hum_max), ha='center', va='bottom', fontsize=10.5)  # 标出最高相对湿度
   plt.text(hum_min_hour+0.15, hum_min+0.15, str(hum_min), ha='center', va='bottom', fontsize=10.5)  # 标出最低相对湿度
   plt.xticks(x)
   plt.legend()
   plt.title('一天相对湿度变化曲线图')
   plt.xlabel('时间/h')
   plt.ylabel('百分比/%')
   plt.show()
  
  def air_curve(data):
  """空气质量曲线绘制"""
   hour = list(data['小时'])
   air = list(data['空气质量'])
  print(type(air[0]))
  for i in range(0,24):
  if math.isnan(air[i]) == True:
     air[i] = air[i-1]
   air_ave = sum(air)/24     # 求平均空气质量 
   air_max = max(air)    
   air_max_hour = hour[air.index(air_max)] # 求最高空气质量
   air_min = min(air)
   air_min_hour = hour[air.index(air_min)] # 求最低空气质量
   x = []
   y = []
  for i in range(0, 24):
    x.append(i)
    y.append(air[hour.index(i)])
   plt.figure(3)
  
  for i in range(0,24):
  if y[i] <= 50:
     plt.bar(x[i],y[i],color='lightgreen',width=0.7)  # 1等级
  elif y[i] <= 100:
     plt.bar(x[i],y[i],color='wheat',width=0.7)   # 2等级
  elif y[i] <= 150:
     plt.bar(x[i],y[i],color='orange',width=0.7)   # 3等级
  elif y[i] <= 200:
     plt.bar(x[i],y[i],color='orangered',width=0.7)  # 4等级
  elif y[i] <= 300:
     plt.bar(x[i],y[i],color='darkviolet',width=0.7)  # 5等级
  elif y[i] > 300:
     plt.bar(x[i],y[i],color='maroon',width=0.7)   # 6等级
   plt.plot([0, 24], [air_ave, air_ave], c='black', linestyle='--')  # 画出平均空气质量虚线
   plt.text(air_max_hour+0.15, air_max+0.15, str(air_max), ha='center', va='bottom', fontsize=10.5)  # 标出最高空气质量
   plt.text(air_min_hour+0.15, air_min+0.15, str(air_min), ha='center', va='bottom', fontsize=10.5)  # 标出最低空气质量
   plt.xticks(x)
   plt.title('一天空气质量变化曲线图')
   plt.xlabel('时间/h')
   plt.ylabel('空气质量指数AQI')
   plt.show()
  
  def wind_radar(data):
  """风向雷达图"""
   wind = list(data['风力方向'])
   wind_speed = list(data['风级'])
  for i in range(0,24):
  if wind[i] == "北风":
     wind[i] = 90
  elif wind[i] == "南风":
     wind[i] = 270
  elif wind[i] == "西风":
     wind[i] = 180
  elif wind[i] == "东风":
     wind[i] = 360
  elif wind[i] == "东北风":
     wind[i] = 45
  elif wind[i] == "西北风":
     wind[i] = 135
  elif wind[i] == "西南风":
     wind[i] = 225
  elif wind[i] == "东南风":
     wind[i] = 315
   degs = np.arange(45,361,45)
   temp = []
  for deg in degs:
    speed = []
  # 获取 wind_deg 在指定范围的风速平均值数据
  for i in range(0,24):
  if wind[i] == deg:
      speed.append(wind_speed[i])
  if len(speed) == 0:
     temp.append(0)
  else:
     temp.append(sum(speed)/len(speed))
  print(temp)
   N = 8
   theta = np.arange(0.+np.pi/8,2*np.pi+np.pi/8,2*np.pi/8)
  # 数据极径
   radii = np.array(temp)
  # 绘制极区图坐标系
   plt.axes(polar=True)
  # 定义每个扇区的RGB值（R,G,B），x越大，对应的颜色越接近蓝色
   colors = [(1-x/max(temp), 1-x/max(temp),0.6) for x in radii]
   plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors)
   plt.title('一天风级图',x=0.2,fontsize=20)
   plt.show()
  
  def calc_corr(a, b):
  """计算相关系数"""
   a_avg = sum(a)/len(a)
   b_avg = sum(b)/len(b)
   cov_ab = sum([(x - a_avg)*(y - b_avg) for x,y in zip(a, b)])
   sq = math.sqrt(sum([(x - a_avg)**2 for x in a])*sum([(x - b_avg)**2 for x in b])) 
   corr_factor = cov_ab/sq
  return corr_factor
  
  
  def corr_tem_hum(data):
  """温湿度相关性分析"""
   tem = data['温度']
   hum = data['相对湿度']
   plt.scatter(tem,hum,color='blue')
   plt.title("温湿度相关性分析图")
   plt.xlabel("温度/℃")
   plt.ylabel("相对湿度/%")
   plt.text(20,40,"相关系数为："+str(calc_corr(tem,hum)),fontdict={<!-- -->'size':'10','color':'red'})
   plt.show()
  print("相关系数为："+str(calc_corr(tem,hum)))
  
  def main():
   plt.rcParams['font.sans-serif']=['SimHei'] # 解决中文显示问题
   plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
   data1 = pd.read_csv('weather1.csv',encoding='gb2312')
  print(data1)
   tem_curve(data1)
   hum_curve(data1)
   air_curve(data1)
   wind_radar(data1)
   corr_tem_hum(data1)
  if __name__ == '__main__':
   main()
  
  

  data14_analysis.py:

  # data14_analysis.py
  import matplotlib.pyplot as plt
  import numpy as np
  import pandas as pd
  import math
  
  def tem_curve(data):
  """温度曲线绘制"""
   date = list(data['日期'])
   tem_low = list(data['最低气温'])
   tem_high = list(data['最高气温'])
  for i in range(0,14):
  if math.isnan(tem_low[i]) == True:
     tem_low[i] = tem_low[i-1]
  if math.isnan(tem_high[i]) == True:
     tem_high[i] = tem_high[i-1]
  
   tem_high_ave = sum(tem_high)/14     # 求平均高温 
   tem_low_ave = sum(tem_low)/14     # 求平均低温 
  
   tem_max = max(tem_high)    
   tem_max_date = tem_high.index(tem_max)   # 求最高温度
   tem_min = min(tem_low)
   tem_min_date = tem_low.index(tem_min)   # 求最低温度
  
   x = range(1,15)
   plt.figure(1)
   plt.plot(x,tem_high,color='red',label='高温')    # 画出高温度曲线
   plt.scatter(x,tem_high,color='red')     # 点出每个时刻的温度点
   plt.plot(x,tem_low,color='blue',label='低温')    # 画出低温度曲线
   plt.scatter(x,tem_low,color='blue')     # 点出每个时刻的温度点
  
   plt.plot([1, 15], [tem_high_ave, tem_high_ave], c='black', linestyle='--')  # 画出平均温度虚线
   plt.plot([1, 15], [tem_low_ave, tem_low_ave], c='black', linestyle='--')  # 画出平均温度虚线
   plt.legend()
   plt.text(tem_max_date+0.15, tem_max+0.15, str(tem_max), ha='center', va='bottom', fontsize=10.5)  # 标出最高温度
   plt.text(tem_min_date+0.15, tem_min+0.15, str(tem_min), ha='center', va='bottom', fontsize=10.5)  # 标出最低温度
   plt.xticks(x)
   plt.title('未来14天高温低温变化曲线图')
   plt.xlabel('未来天数/天')
   plt.ylabel('摄氏度/℃')
   plt.show()
  def change_wind(wind):
  """改变风向"""
  for i in range(0,14):
  if wind[i] == "北风":
     wind[i] = 90
  elif wind[i] == "南风":
     wind[i] = 270
  elif wind[i] == "西风":
     wind[i] = 180
  elif wind[i] == "东风":
     wind[i] = 360
  elif wind[i] == "东北风":
     wind[i] = 45
  elif wind[i] == "西北风":
     wind[i] = 135
  elif wind[i] == "西南风":
     wind[i] = 225
  elif wind[i] == "东南风":
     wind[i] = 315
  return wind
  
  
  def wind_radar(data):
  """风向雷达图"""
   wind1 = list(data['风向1'])
   wind2 = list(data['风向2'])
   wind_speed = list(data['风级'])
   wind1 = change_wind(wind1)
   wind2 = change_wind(wind2)
  
   degs = np.arange(45,361,45)
   temp = []
  for deg in degs:
    speed = []
  # 获取 wind_deg 在指定范围的风速平均值数据
  for i in range(0,14):
  if wind1[i] == deg:
      speed.append(wind_speed[i])
  if wind2[i] == deg:
      speed.append(wind_speed[i])
  if len(speed) == 0:
     temp.append(0)
  else:
     temp.append(sum(speed)/len(speed))
  print(temp)
   N = 8
   theta = np.arange(0.+np.pi/8,2*np.pi+np.pi/8,2*np.pi/8)
  # 数据极径
   radii = np.array(temp)
  # 绘制极区图坐标系
   plt.axes(polar=True)
  # 定义每个扇区的RGB值（R,G,B），x越大，对应的颜色越接近蓝色
   colors = [(1-x/max(temp), 1-x/max(temp),0.6) for x in radii]
   plt.bar(theta,radii,width=(2*np.pi/N),bottom=0.0,color=colors)
   plt.title('未来14天风级图',x=0.2,fontsize=20)
   plt.show()
  
  def weather_pie(data):
  """绘制天气饼图"""
   weather = list(data['天气'])
   dic_wea = {<!-- --> }
  for i in range(0,14):
  if weather[i] in dic_wea.keys():
     dic_wea[weather[i]] += 1
  else:
     dic_wea[weather[i]] = 1
  print(dic_wea)
   explode=[0.01]*len(dic_wea.keys())
   color = ['lightskyblue','silver','yellow','salmon','grey','lime','gold','red','green','pink']
   plt.pie(dic_wea.values(),explode=explode,labels=dic_wea.keys(),autopct='%1.1f%%',colors=color)
   plt.title('未来14天气候分布饼图')
   plt.show()
  
  def main():
   plt.rcParams['font.sans-serif']=['SimHei'] # 解决中文显示问题
   plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示问题
   data14 = pd.read_csv('weather14.csv',encoding='gb2312')
  print(data14)
   tem_curve(data14)
   wind_radar(data14)
   weather_pie(data14)
  
  if __name__ == '__main__':
   main()
  

• 代码主要分为weather.py：对中国天气网进行爬取天气数据并保存csv文件；data1_analysis.py：对当天的天气信息进行可视化处理；data14_analysis.py：对未来14天的天气信息进行可视化处理。下面是代码的结构图：
• 1.首先根据爬取的温湿度数据进行的分析，温度从早上低到中午高再到晚上低，湿度和温度的趋势相反，通过相关系数发现温度和湿度有强烈的负相关关系，经查阅资料发现因为随着温度升高水蒸汽蒸发加剧，空气中水分降低湿度降低。当然，湿度同时受气压和雨水的影响，下雨湿度会明显增高。- 2.经查阅资料空气质量不仅跟工厂、汽车等排放的烟气、废气等有关，更为重要的是与气象因素有关。由于昼夜温差明显变化，当地面温度高于高空温度时，空气上升，污染物易被带到高空扩散；当地面温度低于一定高度的温度时，天空形成逆温层，它像一个大盖子一样压在地面上空，使地表空气中各种污染物不易扩散。一般在晚间和清晨影响较大，而当太阳出来后，地面迅速升温，逆温层就会逐渐消散，于是污染空气也就扩散了。- 3.风是由气压在水平方向分布的不均匀导致的。风受大气环流、地形、水域等不同因素的综合影响，表现形式多种多样，如季风、地方性的海陆风、山谷风等，一天的风向也有不同的变化，根据未来14天的风向雷达图可以发现未来所有风向基本都有涉及，并且没有特别的某个风向，原因可能是近期没有降水和气文变化不大，导致风向也没有太大的变化规律。- 4.天气是指某一个地区距离地表较近的大气层在短时间内的具体状态。跟某瞬时内大气中各种气象要素分布的综合表现。根据未来14天的天气和温度变化可以大致推断出某个时间的气候，天气和温度之间也是有联系的，

万水千山总是情，点个 👍 行不行。

低价卡永久QQ绿钻黄钻超级会员会员，永久爱奇艺腾讯会员，网红商城-短视频加热助手、抖音快手大大提升上热门概率、空间人气、说说赞、QQ大会员、超级会员、全民K歌鲜花、QQ钻，

需要优惠买电影票的也可以联系我，每个座位一般能优惠5-50