20254101 实验四《Python程序设计》实验报告
# 20254101 2025-2026-2 《Python程序设计》实验四报告
课程：《Python程序设计》
班级： 2541
姓名： 李若涵
学号：20254101
实验教师：王志强
实验日期：2026年5月19日
必修/选修：专选课
1.实验内容
（一）实验要求
Python综合应用：爬虫、数据处理、可视化、机器学习、神经网络、游戏、网络安全等。
例如：编写从社交网络爬取数据，实现可视化舆情监控或者情感分析。
例如：利用公开数据集，开展图像分类、恶意软件检测等
例如：利用Python库，基于OCR技术实现自动化提取图片中数据，并填入excel中。
例如：爬取天气数据，实现自动化微信提醒
例如：利用爬虫，实现自动化下载网站视频、文件等。
例如：编写小游戏：坦克大战、贪吃蛇、扫雷等等
注：在Windows/Linux系统上使用VIM、PDB、IDLE、Pycharm等工具编程实现。
（二）实验分析
1、实验目的
结合老师对爬虫的讲述，我知道借助网络爬虫，可以从互联网上提取出我需要的内容。对于大学生来说跑操实为生活中重要一环，历史天气和未来天气预报信息为最基本的信息。因此我选择了编写爬虫，用python程序爬取北京市丰台区历史30天的天气数据，当前系统日期为基准，预测未来三天的天气,生成温度趋势图和预测曲线，并每天早晨8点通过微信发送天气预报和穿衣建议。
2、实验分析
①实验功能：
a、实时天气数据获取
b、未来七天天气预报
c、可存储并随时提取过去3天的天气数据
d、温度预测，可为衣物准备提供参考
e、每天早晨8点通过PushPlus渠道自动推送到微信，可便捷收取到信息
②实验原理：
a、网络爬虫技术：请求调用和风天气API接口，获取天气数据，并解析出所需温度、湿度、风力等
b、数据存储与管理：使用Pandas库处理表格数据
c、数据可视化：在同一坐标系中绘制历史温度折线、官方预报折线和预测折线，并添加图例、网格和今天标记线。
e、定时任务与消息推送：通过PushPlus平台提供的API，以POST请求发送Markdown格式的消息到绑定的微信账号。
2. 实验过程及结果
（一）实验过程
1. 获取天气数据,准备数据
利用和风天气api，注册登录后创建项目，获取API HOST和API KEY，编写同时获取实时天气和7天预报的程序后，将前两项内容填入程序后下载软件包，运行程序。
① 确定API可用性
② 分析返回数据格式：实时天气接口返回 code、updateTime、now 字段（含温度、天气、体感温度等）。7天预报接口返回 daily 列表，包含日期、最高温、最低温、天气等。
③ 准备历史温度数据文件：设计CSV文件 fengtai_history.csv，存储历史每日最高温。
2. 编写代码
① 导入所需模块
需要 requests 进行API调用，pandas 和 numpy 处理数据，matplotlib.pyplot 绘图，sklearn.linear_model.LinearRegression 做预测，datetime 处理日期，schedule 实现定时任务，time 控制循环。
② 配置区域
定义API域名、Key、丰台区ID、微信推送token（可选）、历史数据文件名、以及一次运行开关 RUN_ONCE。方便用户直接测试或部署为定时任务。
③ 获取实时天气函数 get_current_weather()
构造请求URL，发送GET请求，解析JSON并提取所需字段（温度、体感温度、湿度、风向、风力等）。增加异常处理（超时、接口报错），返回字典或None。
④ 获取7天预报函数 get_7day_forecast()
类似方式请求未来7天数据，整理为DataFrame，包含日期、最高温、最低温、天气。若失败则返回None。
（截图可见准备数据②）
⑤ 历史数据管理
load_history()：读取CSV文件，处理日期格式兼容性，返回DataFrame。
save_today_temperature()：将当天官方预报的最高温追加保存到CSV，并避免重复记录。这一步为后续积累训练样本。
（截图可见准备数据③）
⑥ 线性回归预测函数 predict_next_3days()
基于历史数据（至少5天），以“距起始日期天数”为特征，最高温为目标，训练线性回归模型。然后计算今天之后第1、2、3天的偏移，预测未来三天的最高温，返回四舍五入保留一位小数的数组。
⑦ 温度趋势绘图函数 plot_temperature()
在同一张图上绘制：历史实际最高温（蓝色实线圆点）官方预报未来三天最高温（绿色虚线方块）机器学习预测未来三天最高温（红色点划线圆点）保存为fengtai_temperature_forecast.png。
以下是生成的图表：
⑧ 生成日报文本函数 generate_report()
输出Markdown格式的微信消息，包括：实时天气、未来三天官方预报、机器学习预测值、以及基于当前温度的穿衣建议（分为寒冷、凉爽、温暖、炎热四档）。
（对应程序位置：def generate_report(...): 函数体）
⑨获取token：登录，得到专属个人token
⑩ 微信推送函数 send_wechat()
调用 pushplus.plus 的API，使用POST方式发送JSON数据，模板设为markdown。如未配置token则跳过推送。
⑪主任务函数 daily_job()
按顺序执行，每一步都有成功或失败日志。：
（二）代码运行成果：
程序运行视频链接：
！自编码程序实验
（三）源代码如下：
丰台区未来三天天气预测与微信日报（动态日期，自动推送）
功能：
1. 爬取实时天气 + 未来7天预报
2. 基于历史温度数据，用线性回归预测未来三天最高温
3. 生成温度趋势图（历史 + 官方预报 + 预测曲线）
4. 每天早晨8点自动通过微信发送日报和穿衣建议
"""
import requests
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime, timedelta
from sklearn.linear_model import LinearRegression
import schedule
import time
import warnings
warnings.filterwarnings('ignore')
# ==================== 配置区域 ====================
API_HOST = "https://ku7fc3jdr2.re.qweatherapi.com" # 你的专属API域名
API_KEY = "3d7e7be02b7f4b2eb984ffd85034fa3d" # 你的API Key
FENGTAI_ID = "101010900" # 丰台区代码
# 微信推送 token（从 https://www.pushplus.plus 获取，留空则不推送）
PUSHPLUS_TOKEN = "8e83a266d90e4db981f6a6e9af52a382" # 请填写你的 token
# 历史数据文件（自动创建）
HISTORY_CSV = "fengtai_history.csv"
# 是否立即运行一次（用于测试），设为 True 则直接执行一次，不启动定时任务
RUN_ONCE = True # 测试时设为 True，正式定时请改为 False 并注释掉最后的 while 循环
# ==================================================
def get_current_weather():
"""获取丰台区实时天气"""
url = f"{API_HOST}/v7/weather/now?location={FENGTAI_ID}&key={API_KEY}"
try:
resp = requests.get(url, timeout=10)
data = resp.json()
if data.get("code") == "200":
now = data["now"]
return {
"时间": data["updateTime"],
"天气": now["text"],
"温度": int(now["temp"]),
"体感温度": int(now["feelsLike"]),
"湿度": int(now["humidity"]),
"风向": now["windDir"],
"风力等级": int(now["windScale"])
}
else:
print(f"实时天气接口错误，code: {data.get('code')}")
return None
except Exception as e:
print(f"实时天气请求异常: {e}")
return None
def get_7day_forecast():
"""获取未来7天天气预报，返回DataFrame（日期，最高温，最低温，天气）"""
url = f"{API_HOST}/v7/weather/7d?location={FENGTAI_ID}&key={API_KEY}"
try:
resp = requests.get(url, timeout=10)
data = resp.json()
if data.get("code") == "200":
forecast = []
for day in data["daily"]:
forecast.append({
"日期": day["fxDate"],
"最高温": int(day["tempMax"]),
"最低温": int(day["tempMin"]),
"天气": day["textDay"]
})
return pd.DataFrame(forecast)
else:
print(f"7天预报接口错误，code: {data.get('code')}")
return None
except Exception as e:
print(f"预报请求异常: {e}")
return None
def load_history():
"""加载历史温度数据，容错处理日期格式"""
try:
df = pd.read_csv(HISTORY_CSV)
# 如果文件为空或缺少列，则返回空DataFrame
if '日期' not in df.columns or len(df) == 0:
return pd.DataFrame(columns=['日期', '最高温'])
# 尝试多种日期格式转换
df['日期'] = pd.to_datetime(df['日期'], errors='coerce')
# 删除无效日期行
df = df.dropna(subset=['日期']).reset_index(drop=True)
return df
except (FileNotFoundError, pd.errors.EmptyDataError):
return pd.DataFrame(columns=['日期', '最高温'])
def save_today_temperature(today_max):
"""将今天的预报最高温保存到历史记录（用于积累训练数据）"""
df = load_history()
today_str = datetime.now().strftime("%Y-%m-%d")
# 检查是否已存在今天的数据
if not df.empty and today_str in df['日期'].dt.strftime('%Y-%m-%d').values:
print(f"{today_str} 数据已存在，跳过记录")
return
new_row = pd.DataFrame({'日期': [today_str], '最高温': [today_max]})
df = pd.concat([df, new_row], ignore_index=True)
df.to_csv(HISTORY_CSV, index=False)
print(f"已记录 {today_str} 最高温 {today_max}℃")
def predict_next_3days(history_df, base_date):
"""
基于历史数据，使用线性回归预测从 base_date 之后三天的最高温
base_date: datetime 对象（例如今天）
"""
if len(history_df) < 5:
print("历史数据不足5天，无法进行可靠预测，返回None")
return None
# 按日期排序
hist = history_df.sort_values('日期').copy()
start = hist['日期'].min()
hist['day_index'] = (hist['日期'] - start).dt.days
X = hist[['day_index']].values
y = hist['最高温'].values
model = LinearRegression()
model.fit(X, y)
# 计算 base_date 相对于起始日期的偏移
base_offset = (base_date - start).days
future_offsets = np.array([base_offset+1, base_offset+2, base_offset+3]).reshape(-1, 1)
preds = model.predict(future_offsets)
return preds.round(1)
def plot_temperature(history_df, forecast_df, future_dates, pred_temps=None):
"""
绘制温度趋势图：历史温度 + 官方预报（未来三天） + 预测曲线
future_dates: list of str, 未来三天的日期（YYYY-MM-DD）
pred_temps: list/array, 预测的最高温值（可选）
"""
plt.figure(figsize=(12, 5))
# 历史数据
if not history_df.empty:
hist_dates = history_df['日期']
hist_temps = history_df['最高温']
plt.plot(hist_dates, hist_temps, 'b-o', label='历史实际最高温', markersize=4)
# 官方预报（未来三天）
fut_forecast = forecast_df[forecast_df['日期'].isin(future_dates)]
if not fut_forecast.empty:
f_dates = pd.to_datetime(fut_forecast['日期'])
f_temps = fut_forecast['最高温']
plt.plot(f_dates, f_temps, 'g--s', label='官方预报最高温', markersize=6, linewidth=2)
# 机器学习预测
if pred_temps is not None:
pred_dates = pd.to_datetime(future_dates)
plt.plot(pred_dates, pred_temps, 'r-.o', label='机器学习预测最高温', markersize=6, linewidth=2)
# 标记今天
today = datetime.now().date()
plt.axvline(x=pd.Timestamp(today), color='gray', linestyle=':', alpha=0.7, label='今天')
plt.xlabel('日期')
plt.ylabel('温度 (℃)')
plt.title('丰台区温度趋势（历史 → 今天 → 未来三天预测）')
plt.legend()
plt.grid(True, alpha=0.3)
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig('fengtai_temperature_forecast.png', dpi=150)
plt.close()
print("温度趋势图已保存为 fengtai_temperature_forecast.png")
def generate_report(current, forecast_df, future_dates, pred_temps):
"""生成微信日报文本（Markdown格式）"""
today_str = datetime.now().strftime("%Y-%m-%d")
report = f"## 📍 丰台区天气日报 ({today_str})\n\n"
if current:
report += f"**当前天气**\n"
report += f"- 🌡️ 温度：{current['温度']}℃ (体感 {current['体感温度']}℃)\n"
report += f"- ☁️ 天气：{current['天气']}\n"
report += f"- 💧 湿度：{current['湿度']}%\n"
report += f"- 🌬️ 风向风力：{current['风向']} {current['风力等级']}级\n\n"
# 官方预报未来三天
report += "**📅 未来三天预报（官方）**\n"
for date in future_dates:
row = forecast_df[forecast_df['日期'] == date]
if not row.empty:
report += f"- {date}：{row.iloc[0]['天气']}，{row.iloc[0]['最低温']}~{row.iloc[0]['最高温']}℃\n"
# 机器学习预测
if pred_temps is not None:
report += "\n**🔮 机器学习预测最高温**\n"
for date, temp in zip(future_dates, pred_temps):
report += f"- {date}：{temp}℃\n"
# 穿衣建议
if current:
temp = current['温度']
if temp < 10:
advice = "❄️ 寒冷，建议穿羽绒服、厚棉衣"
elif temp < 20:
advice = "🍂 凉爽，建议穿长袖、薄外套"
elif temp < 28:
advice = "🌞 温暖，建议穿短袖、T恤"
else:
advice = "🔥 炎热，注意防暑，穿轻薄衣物"
report += f"\n💡 **出行建议**：{advice}"
return report
def send_wechat(title, content):
"""通过pushplus发送微信消息"""
if not PUSHPLUS_TOKEN:
print("未配置微信推送token，跳过推送")
return
url = "http://www.pushplus.plus/send"
data = {
"token": PUSHPLUS_TOKEN,
"title": title,
"content": content,
"template": "markdown"
}
try:
resp = requests.post(url, json=data, timeout=10)
result = resp.json()
if result.get("code") == 200:
print("微信推送成功")
else:
print(f"微信推送失败: {result}")
except Exception as e:
print(f"推送异常: {e}")
def daily_job():
"""每日执行的主任务：获取数据、预测、绘图、推送"""
print(f"\n=== {datetime.now()} 开始执行天气日报任务 ===")
# 1. 获取实时天气
current = get_current_weather()
if not current:
print("无法获取实时天气，终止任务")
return
# 2. 获取未来7天预报
forecast_df = get_7day_forecast()
if forecast_df is None:
print("无法获取预报数据，终止任务")
return
# 3. 保存今天的预报最高温到历史（用于积累数据）
today_str = datetime.now().strftime("%Y-%m-%d")
today_row = forecast_df[forecast_df['日期'] == today_str]
if not today_row.empty:
save_today_temperature(today_row.iloc[0]['最高温'])
# 4. 定义未来三天的日期（明天、后天、大后天）
base = datetime.now().date()
future_dates = [(base + timedelta(days=i)).strftime("%Y-%m-%d") for i in range(1, 4)]
# 5. 机器学习预测未来三天最高温
history_df = load_history()
pred_temps = predict_next_3days(history_df, datetime.now())
# 6. 生成温度趋势图（包含历史、官方预报、预测曲线）
plot_temperature(history_df, forecast_df, future_dates, pred_temps)
# 7. 生成日报文本
report = generate_report(current, forecast_df, future_dates, pred_temps)
print("\n" + report)
# 8. 微信推送
send_wechat("丰台区天气日报", report)
print("=== 任务完成 ===\n")
def main():
if RUN_ONCE:
# 测试模式：立即执行一次
daily_job()
else:
# 定时模式：每天早晨8:00执行
schedule.every().day.at("08:00").do(daily_job)
print("定时任务已启动，每天早晨8:00运行。")
while True:
schedule.run_pending()
time.sleep(60)
if __name__ == "__main__":
main()
3. 实验过程中遇到的问题和解决过程
- 问题1：温度趋势图无法保存，图片保存的路径不存在。我之前按照网上建议把保存路径改成了自定义的绝对路径，后来发现我根本没有创建这个文件夹
- 问题1解决方案：我先把保存路径改回最简单的相对路径，即只写文件名 'fengtai_temperature_forecast.png'，这样图片会直接保存在程序运行的当前目录下，也就是我的项目文件夹里，不再报错。
- 问题2：微信推送失败，提示“用户令牌不正确”，去 PushPlus 官网注册拿到了 token，但运行后微信始终收不到消息。
- 问题2解决方案：我重新登录 PushPlus 官网，发现新注册的账号需要先进行认证才能使用推送功能。之前我只关注了公众号但没有完成认证，所以 token 一直无效。
4、实验总结
这次实验让我把爬虫、数据分析、机器学习预测和微信推送串了起来，真正感受到了代码改变生活的乐趣，虽然过程磕磕绊绊。比如先是图片保存路径不对导致程序崩溃，又是微信token填错收不到消息，但一步步查资料、改代码、最终看到手机弹出天气日报的那一刻，真的很有成就感。以前觉得天气预报就是看看App，现在自己写的程序每天早上准时给我推送穿衣建议，还能用历史数据预测未来温度，感觉像是拥有一个私人气象助理，可以有效帮我预测明天会不会跑操了哈哈哈哈。总之，实验让我明白：编程不只是应付作业，而是能实实在在解决生活小问题的工具。
5、课程总结
一、课程感悟
坦白说，初识Python时，我内心颇为忐忑，不仅是文科生的身份与身为电脑痴的自治，更多的是对从未涉猎领域的恐惧。第一节课尝试编写程序因误用了中文冒号而导致程序报错。面对屏幕上的红色提示，我一时不知所措，甚至怀疑自己是否适合学习编程。然而随着课程深入，我逐渐发现Python的趣味所在——当我第一次独立完成“猜数字”小游戏，并能与朋友分享、获得他们的认可时，那种由代码创造出的成就感让我真切体会到编程的魅力。
这学期带给我最大的转变是心态。以往遇到报错信息，我第一反应往往是慌乱，不知从何下手，并且逐渐怀疑自己。如今，我已习惯冷静地阅读错误提示，按照逻辑逐步排查。例如在天气实验中，程序因图片保存路径不存在而崩溃，我主动查阅了相关用法，通过自动创建目录解决了问题；微信推送功能迟迟无法生效，反复调试后才意识到是Token未完成平台认证。虽然每个问题都耗费了不少时间，但当最终手机顺利收到推送消息时，那种依靠自己查阅资料、独立思考并亲手修复Bug所带来的满足感，远比直接复制他人代码来得深刻。与此同时，我也学会了不过度依赖AI工具。有时从AI获取的代码片段看似正确，实际运行却频频出错。唯有静下心来逐行理解逻辑、亲手修改细节，才能真正掌握其中的原理。编程归根结底是一场自我实践与思考的修行，也许只有自己动手、自己推敲，方能有所精进。
老师在讲课的过程中无数次对原有代码进行“精装”，我起初并不是很理解。因为我认为原初的代码简单又清晰效率还高，为什么要补充那么多看似繁冗的内容呢？直到自己与各个程序展开博弈，一次次的运行后我发现确实应重视代码的整体性和美观性，毕竟，工具最终是由人来掌控而由人使用。“有机事者必有机心”我想这是当下ai时代浪潮中最应秉持的原则，在这段学习过程中一次次提醒我。
（附一张结课图，感谢每周二下午的python课，让我在北京最好的春光里望着窗外云卷云舒，白天到黑夜，也能一睹窗外鲜绿的生命，我想我对python的学习也将不会止步，会在无数的春天里续写这一学期的故事！）
二、意见和建议
① 老师讲课速度有点快，尤其讲爬虫和socket的时候，稍微一走神就跟不上了。希望以后能稍微慢一点，或者在关键步骤上停留几秒，让大家记一下。
② 对于文科生来说，有些概念确实抽象。建议老师提前一两天发个简单的预习提纲或者重点代码片段，这样上课时不会太懵。
③ 希望增加一些课上现场调试代码的环节，带着大家一步步改bug，这样比光看PPT印象深。
最后，谢谢老师一学期的耐心教导！orz
浙公网安备 33010602011771号