【文件属性】：
文件名称：APIs_with_Python-What-s-the-Weather-like-
文件大小：4.3MB
文件格式：ZIP
更新时间：2021-02-11 05:42:49
JupyterNotebook
Python和API-天气如何？
在本活动中，我使用了有关Python请求，API和JSON遍历的知识来回答一些问题。 我创建了一个Python脚本，以可视化世界各地距赤道不同距离的500多个城市的天气。 为此，我使用了一个小工具，OpenWeatherMap API和其他一些Python库（matplotlib，scipy，pandas）来创建世界城市代表性天气模型。
第一个要求是创建一系列散点图，以展示以下关系：
温度（F）与纬度
湿度（％）与纬度
多云（％）与纬度
风速（mph）与纬度
下一个目标是对每个关系进行线性回归，只是这次将它们分为北半球（大于等于0度纬度）和南半球（小于0度纬度）：
北半球-温度（F）与纬度
南半球-温度（F）与纬度
北半球-湿度（％）与纬度
南半球-湿度（％）与纬度
北半球-多云度（％）与纬度
南半球-多云度（％）与纬度
北半球-风速（mph）与
【文件预览】：
APIs_with_Python-What-s-the-Weather-Like--master
----VacationPy()
--------.ipynb_checkpoints()
--------Vacation_df.csv(25KB)
--------api_keys.py(128B)
--------__pycache__()
--------VacationPy.ipynb(252KB)
--------clean_vacation_df.csv(37KB)
----README.md(2KB)
----api_keys.py(103B)
----output_data()
--------Fig4.png(40KB)
--------Fig3.png(33KB)
--------cities.csv(30KB)
--------Fig1.png(42KB)
--------Fig2.png(39KB)
----Images()
--------vacation_code.png(69KB)
--------hotel_map.png(410KB)
--------equatorsign.png(888KB)
--------heatmap.png(484KB)
----WeatherPy()
--------WeatherPy-Starter.ipynb(802KB)
--------WibdInsouthernHemisphere.png(16KB)
--------.ipynb_checkpoints()
--------HumidityInnorthhemisphere.png(19KB)
--------.get(0B)
--------WeatherPy.ipynb(512KB)
--------weather_data.csv(25KB)
--------CloudsInnorthhemisphere.png(18KB)
--------Untitled.ipynb(2KB)
--------ignor(0B)
--------api_key.py(51B)
--------windInWorldCities.png(22KB)
--------weather_data_sm.csv(16KB)
--------HumidityInWorldCities.png(28KB)
--------__pycache__()
--------HumidityInsouthernHemisphere.png(16KB)
--------CloudsInsouthernHemisphere.png(17KB)
--------WindInnorthhemisphere.png(19KB)
--------TemperatureInnorthhemisphere.png(39KB)
--------WibdInnorthhemisphere.png(19KB)
--------CloudsInWorldCities.png(21KB)
--------TemperatureInWorldCities.png(85KB)
--------Untitled1.ipynb(886B)
--------clean_weather_data.csv(25KB)