基於Django Prophet的天氣預測應用程式開髮指南-Python教學-PHP中文網

首頁

後端開發

Python教學

基於Django Prophet的天氣預測應用程式開髮指南

王林

Sep 26, 2023 pm 12:01 PM

django：指的是django框架prophet：指的是prophet庫由facebook開發。

基于Django Prophet的天气预测应用程序开发指南

基於Django Prophet的天氣預測應用程式開髮指南

#引言：
天氣預測是人們日常生活中非常重要的一部分，準確的天氣預測可以幫助人們進行出行計畫、農作物種植、能源調度等決策。本文將介紹如何使用Django Prophet來開發一個天氣預測應用程序，該應用程序可以根據歷史天氣數據對未來的天氣進行預測。

一、準備工作
在開始開發之前，我們需要準備以下環境與工具：

Python 3.x
Django
#Prophet
Pandas
資料庫（如MySQL、SQLite等）

二、建立Django專案

在在命令列中執行以下命令來建立新的Django專案：
```
django-admin startproject weather_forecast
```
#進入專案目錄：
```
cd weather_forecast
```
建立一個新的Django應用程式：
```
python manage.py startapp forecast
```
在專案的settings.py檔案中加入應用程式：
```
INSTALLED_APPS = [
 ...
 'forecast',
 ...
]
```

三、定義資料模型

#在forecast應用程式的models.py檔案中定義一個Weather模型，其中包含日期、最低溫度、最高溫度等欄位：

from django.db import models

class Weather(models.Model):
 date = models.DateTimeField()
 min_temperature = models.FloatField()
 max_temperature = models.FloatField()
 humidity = models.FloatField()

 def __str__(self):
     return str(self.date)

在命令列中執行以下命令來建立資料庫表：
```
python manage.py makemigrations
python manage.py migrate
```

#四、導入歷史天氣資料

在專案的根目錄下建立一個weather.csv文件，用於儲存歷史天氣資料。數據應包含日期、最低溫度、最高溫度、濕度等欄位。

在forecast應用程式的views.py檔案中編寫一個匯入資料的視圖函數：

from django.shortcuts import render
import pandas as pd
from .models import Weather

def import_data(request):
 data = pd.read_csv('weather.csv')

 for index, row in data.iterrows():
     weather = Weather(
         date=row['date'],
         min_temperature=row['min_temperature'],
         max_temperature=row['max_temperature'],
         humidity=row['humidity']
     )
     weather.save()

 return render(request, 'forecast/import_data.html')

在專案的urls.py檔案中新增一個導入資料的URL映射：

from django.urls import path
from forecast import views

urlpatterns = [
 ...
 path('import/', views.import_data, name='import_data'),
 ...
]

五、使用Prophet進行天氣預測

在forecast應用程式的views.py檔中寫一個預測天氣的視圖函數：

from django.shortcuts import render
from .models import Weather
from fbprophet import Prophet
import pandas as pd

def predict_weather(request):
 data = Weather.objects.all()
 df = pd.DataFrame(list(data.values()))

 df = df.rename(columns={'date': 'ds', 'max_temperature': 'y'})
 model = Prophet()
 model.fit(df)

 future = model.make_future_dataframe(periods=365)
 forecast = model.predict(future)

 return render(request, 'forecast/predict_weather.html', {'forecast': forecast})

在專案的urls.py檔案中新增一個預測天氣的URL映射：

from django.urls import path
from forecast import views

urlpatterns = [
 ...
 path('predict/', views.predict_weather, name='predict_weather'),
 ...
]

六、建立模板檔案

在forecast應用程式的templates目錄下建立一個import_data.html文件，用於匯入歷史天氣資料的頁面：

<!DOCTYPE html>
<html>
<head>
 <title>Import Data</title>
</head>
<body>
 <h1 id="Import-Data">Import Data</h1>
 <form action="{% url 'import_data' %}" method="POST">
     {% csrf_token %}
     <input type="submit" value="Import">
 </form>
</body>
</html>

#在forecast應用程式的templates目錄下建立一個predict_weather.html文件，用於顯示預測的天氣結果：

<!DOCTYPE html>
<html>
<head>
 <title>Predict Weather</title>
</head>
<body>
 <h1 id="Predicted-Weather">Predicted Weather</h1>

 <table>
     <thead>
         <tr>
             <th>Date</th>
             <th>Max Temperature (°C)</th>
             <th>Humidity</th>
         </tr>
     </thead>
     <tbody>
         {% for index, row in forecast.iterrows %}
         <tr>
             <td>{{ row['ds'] }}</td>
             <td>{{ row['yhat'] }}</td>
             <td>{{ row['humidity'] }}</td>
         </tr>
         {% endfor %}
     </tbody>
 </table>
</body>
</html>

七、運行應用程式

#在命令列中執行以下命令來啟動Django開發伺服器：
```
python manage.py runserver
```
#在瀏覽器中造訪http://localhost:8000/import/來匯入歷史天氣資料。
造訪http://localhost:8000/predict/來進行天氣預測，預測結果會顯示在頁面中。

結論：
本文介紹如何使用Django Prophet來開發一個天氣預測應用程式。透過導入歷史天氣資料並使用Prophet模型進行預測，我們可以根據過去的天氣狀況來預測未來的天氣。希望這篇文章對您有所幫助，對於開發天氣預測應用程式有更深入的了解。

以上是基於Django Prophet的天氣預測應用程式開髮指南的詳細內容。更多資訊請關注PHP中文網其他相關文章！

陳述

本文內容由網友自願投稿，版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容，請聯絡admin@php.cn

Python：探索其主要應用程序Apr 10, 2025 am 09:41 AM

Python在web開發、數據科學、機器學習、自動化和腳本編寫等領域有廣泛應用。 1)在web開發中，Django和Flask框架簡化了開發過程。 2)數據科學和機器學習領域，NumPy、Pandas、Scikit-learn和TensorFlow庫提供了強大支持。 3)自動化和腳本編寫方面，Python適用於自動化測試和系統管理等任務。