今年是冷冬？我爬了北京10年的气温，哟还真是！

柔光的暖阳◎ 2021-09-24 21:28 273阅读 0赞

> **WARNING: 非严谨气相数据分析，旨在表达数据分析过程，结论还是看看就好，更严谨的信息请查阅专业的气相资料。**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center]

10月份的北京，仿佛酷热的夏季戛然而止，然后变成了春夏秋冬随机播放的模式，与往年不同的是今年很多人都在说“**今年比去年冷多了**”。 之前网络上就在传受[拉尼娜现象][Link 1]的影响，今年会是个冷冬，似乎大家早已将今年的冬天和**冷**关联在了一起。 那问题就来了，**今年的冷是真冷还是“冷冬”给大家的心理暗示？**

为了搞清楚这个问题，我想到了我之前写的天气数据爬虫，当时我是为了学习fbprophet，然后就写了[用fbprophet预测北京未来一个月的气温][fbprophet]一文，恰好收集到的近10年北京天气数据还能用，那我们就来通过历史数据来对比下今年是不是更冷。所有相关代码我都已上传至我的Github仓库 [weather-analysis][]，抓取到的数据见[data.csv][]。

## 数据分析 ##

这里我用了python的matplotlib和pandas做数据处理和图像绘制，完整数据和代码见我github [bj\_oct\_temp\_analysis.ipynb][bj_oct_temp_analysis.ipynb]。

# coding: utf-8
    # 分析北京10月份的气温数据
    import matplotlib.pyplot as plt
    import pandas as pd
    # 数据预处理 
    data = pd.read_csv("data.csv")
    data.head()
    # 把年月日拆成新的3列数据，方便后续处理和绘图 
    data['yyyy'] = data['date'].apply(lambda x : x.split("-")[0])
    data['mm'] = data['date'].apply(lambda x : x.split("-")[1])
    data['dd'] = data['date'].apply(lambda x : x.split("-")[2])

# 绘制日最高温度数据 
    plt.figure(figsize=(12, 6))
    plt.title('oct_max_temp')
    plt.xlabel('date')
    plt.ylabel('maxTemp')
    for year in range(2011, 2020):
        curData = data[(data['yyyy'] == str(year)) & (data['mm'] == '10')]
        plt.plot(curData['dd'], curData['maxT'], color='gray')
    # 计算11-19年10月的均值 
    meanData = data[(data['mm'] == '10') & (data['yyyy'] < '2020')].groupby('dd').mean()
    meanData['maxT'].head()
    plt.plot(meanData['maxT'], linewidth=2.0, color='blue', label='mean')
    # 绘制2020年10月的数据
    year20 = data[(data['yyyy'] == '2020') & (data['mm'] == '10')]
    plt.plot(year20['dd'], year20['maxT'], linewidth=2.0, color='red', label='2020')
    plt.legend()
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 1]

从北京历年10月的的最高气温来看，今年10月的日最高温度还是停留在比较正常的水平，当然这也说明不了今年更冷或者更热。我们来看看日均最低气温的数据，还是同样的绘制方法，只需要换下数据列即可。

# 和上面一样，只是这里绘制最低温度的数据 
    plt.figure(figsize=(12, 6))
    plt.title('oct_min_temp')
    plt.xlabel('date')
    plt.ylabel('minTemp')
    for year in range(2011, 2020):
        curData = data[(data['yyyy'] == str(year)) & (data['mm'] == '10')]
        plt.plot(curData['dd'], curData['minT'], color='gray')
    # 计算11-19年10月的均值 
    meanData = data[(data['mm'] == '10') & (data['yyyy'] < '2020')].groupby('dd').mean()
    plt.plot(meanData['minT'], linewidth=2.0, color='blue', label='mean')
    
    year20 = data[(data['yyyy'] == '2020') & (data['mm'] == '10')]
    plt.plot(year20['dd'], year20['minT'], linewidth=2.0, color='red', label='2020')
    plt.legend()
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 2]

这里很明显今年确实比以往更冷，甚至有几天创下了近10年的最低温度记录，而且大多数日子温度都低于过去9年的平均值，看来**冷冬的传闻是真的**。

## 9月数据 ##

同样，我们来看看9月北京的数据。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 3]  
可以看的出来9月还是比较正常的，也就是说这个冷冬是从10月才开始的，那**等到下个月月底，我们再来看11月份的数据**，看看冷冬是不是纸老虎。

## 结语 ##

最后斗胆预测下未来一个月的最高和最低温度走势，详见[fbprophet\_temp\_predict.ipynb][fbprophet_temp_predict.ipynb]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 4]

冷冬不是空穴来风，各位旁友们今年还是要做好保暖和防护措施啊！ btw: 我后来有用同样的方式看了下大连的数据(详见[dl\_oct\_temp\_analysis.ipynb][dl_oct_temp_analysis.ipynb])，结果发现大连并没有比以往更冷，但大连的旁友们还是在抱怨今年冷，我……

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 5]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center]: /images/20210923/86702e6a7d8548909921c4e1dfdec6b5.png
[Link 1]: https://baike.baidu.com/item/%E6%8B%89%E5%B0%BC%E5%A8%9C/2876656?fromtitle=%E6%8B%89%E5%B0%BC%E5%A8%9C%E7%8E%B0%E8%B1%A1&fromid=515544&fr=aladdin
[fbprophet]: https://xindoo.blog.csdn.net/article/details/86026588
[weather-analysis]: https://github.com/xindoo/weather-analysis
[data.csv]: https://github.com/xindoo/weather-analysis/blob/master/data.csv
[bj_oct_temp_analysis.ipynb]: https://github.com/xindoo/weather-analysis/blob/master/bj_oct_temp_analysis.ipynb
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20210923/83e037161f79455e9b5489b2be96dec5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20210923/0a4537885cc440939bc0327f0094999c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 3]: /images/20210923/f67c3a7d54214fcc93893fd942ee71c9.png
[fbprophet_temp_predict.ipynb]: https://github.com/xindoo/weather-analysis/blob/master/fbprophet_temp_predict.ipynb
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 4]: /images/20210923/992c3c2f2f8745ffb7fac0f61f0ac3ca.png
[dl_oct_temp_analysis.ipynb]: https://github.com/xindoo/weather-analysis/blob/master/dl_oct_temp_analysis.ipynb
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hpbmRvbw_size_16_color_FFFFFF_t_70_pic_center 5]: /images/20210923/bc27b1d28c3c4d8e932a469f56460226.png