【Pythonデータ分析実践】気象APIで過去の天気データを取得・分析・可視化する全手順 🌤️

「去年の夏の、地元の平均気温の推移ってどうだったんだろう？」
「PythonでWeb APIからデータを取ってきて、グラフにするまでの一連の流れを知りたい！」
「データ分析のプロジェクトって、実際にどんなコードを書くの？」

こんにちは！ Pythonプログラミング探検隊、隊長のPythonistaです！ これまで私たちは、Pandasでデータを自在に操り、Matplotlibでその結果を可視化する強力なスキルを身につけてきました。今回は、それらの知識を総動員し、さらに外部のデータをリアルタイムで取得する、非常に実践的なプロジェクトに挑戦します！

今回のテーマは、「指定した場所と期間の過去の気象データを、無料のWeb APIから取得し、月ごとの平均値を計算してグラフで可視化する」という、データ分析の一連のパイプラインをゼロから構築することです。このプロジェクトを通して、あなたはPythonを使ったデータサイエンスのワークフローを、最初から最後まで体験することができます。さあ、Web上の膨大なデータから、意味のある洞察を導き出しましょう！

1. プロジェクトの概要と準備

1.1. 今回作るツールの機能

このスクリプトは、以下の機能を持つ一連のデータパイプラインです。

  1. 指定した地点（緯度・経度）と期間の、過去の気象データ（平均気温、平均湿度、平均風速）をWeb APIから取得します。
  2. 取得したデータを整形し、PandasのDataFrameとしてCSVファイルに保存します。
  3. 保存したCSVファイルを読み込み、月ごとの平均値を計算します。
  4. 計算結果をMatplotlibを使い、3つのグラフにまとめて可視化します。

1.2. データソース：Open-Meteo API

今回は、無料で利用でき、APIキーの登録も不要な、非常に使いやすい気象データAPIである「Open-Meteo」のHistorical Weather APIを利用します。

1.3. 必要なライブラリの準備

このプロジェクトでは、いくつかの外部ライブラリを使用します。ターミナルやコマンドプロンプトで、pipを使ってインストールしてください。

pip install numpy pandas matplotlib openmeteo-requests requests-cache retry-requests japanize-matplotlib
  • openmeteo_requests: Open-Meteo APIと簡単にやり取りするための専用ライブラリ。
  • requests_cache: 一度取得したAPIの応答をキャッシュし、次回以降の実行を高速化します。
  • retry_requests: ネットワークエラーなどでリクエストが失敗した場合に、自動で再試行してくれます。
  • japanize-matplotlib: Matplotlibで日本語を簡単に表示するためのライブラリです。

2. スクリプトの全体像（完成コード）

まずは、今回作成するスクリプトの全体像を見てみましょう。このコードをweather_analyzer.pyのようなファイル名で保存してください。各部分の詳しい解説はこの後でじっくり行います。






3. コードの仕組みを徹底解説！


このスクリプトは、大きく分けて「データ取得・保存」と「分析・可視化」の2つの関数で構成されています。


3.1. パート1：気象データの取得と保存 (get_and_save_weather_data関数)


この関数が、APIからデータを取得し、扱いやすいCSVファイルとして保存するまでを担当します。


・堅牢なAPI通信の設定


cache_session = requests_cache.CachedSession('.cache', expire_after=-1)
retry_session = retry(cache_session, retries=5, backoff_factor=0.2)
openmeteo = openmeteo_requests.Client(session=retry_session)



ここでは、単にリクエストを送るだけでなく、requests_cacheで一度取得したデータをキャッシュ（一時保存）し、retry_requestsで通信エラー時に自動で再試行するように設定しています。これは、安定したデータ収集を行うためのプロフェッショナルなテクニックです。


・【重要】APIからの応答データを整形する


# APIの応答から、開始日時、終了日時、時間間隔を取得
start_time = pd.to_datetime(daily.Time(), unit="s", utc=True)
# ... (中略) ...
# 連続した日付の配列を生成
date_range = pd.date_range(start=start_time, end=end_time, freq=interval, inclusive="left").tz_convert(timezone)
# 正しい日付配列を使ってデータフレームを作成
weather_df = pd.DataFrame({ ... })



この部分がデータ整形の肝です。Open-Meteo APIは、日付情報と観測値の配列を別々に返します。そのため、APIが返すメタデータ（開始時刻、終了時刻、時間間隔）を元に、Pandasのpd.date_range()関数を使って正確な日付のインデックスを自分で生成し、観測値のNumPy配列と組み合わせて一つのDataFrameを作成しています。タイムゾーンの変換（tz_convert）も行い、より正確なデータを扱えるようにしています。



3.2. パート2：データの分析と可視化 (analyze_and_plot_data関数)


この関数では、保存したCSVファイルを読み込み、分析・可視化を行います。


・月ごとの平均値を計算 (resample)


df.set_index('date', inplace=True)
monthly_avg = df.resample('ME').mean()



Pandas入門シリーズでも学んだ、時系列データ処理の強力なメソッドresample()を使っています。'ME'は「月の最終日 (Month End)」を意味し、日々のデータを月単位のデータにまとめ直し、その平均値を計算しています。


・グラフの描画 (Matplotlib)


fig, axes = plt.subplots(nrows=3, ncols=1, figsize=(12, 15), sharex=True)
# ...
axes[0].plot(...)
axes[1].plot(...)
axes[2].plot(...)



Matplotlibのサブプロット機能を使い、3つのグラフ（気温、湿度、風速）を縦に並べて描画しています。sharex=Trueオプションにより、全てのグラフでX軸（時間軸）が共有され、比較しやすくなっています。





4. スクリプトの使い方と実行結果


    
    
  1. 上記の完成版コードをweather_analyzer.pyとして保存します。
    2. 
    
  2. コード冒頭のLATITUDE, LONGITUDE, START_DATE, END_DATEを、あなたが調べたい地点や期間に書き換えます。
    3. 
    
  3. ターミナルを開き、必要なライブラリをインストールした後、スクリプトを実行します。
    python weather_analyzer.py
    4. 
    
  4. 最初にAPIからデータが取得されてweather_data.csvが作成され、その後、そのデータを元にしたグラフが表示されます。

このように、指定した地点の1年間の気象データの推移が一目で分かりますね！





5. まとめと【次回予告】GUIアプリ化への挑戦


今回は、Pythonを使った非常に実践的なデータ分析プロジェクトに挑戦しました。
        
  • Web APIからデータを取得し (openmeteo_requests)
    •     
  • 取得した生データを整形し (pandas)
    •     
  • 月ごとに集計し (resample)
    •     
  • 結果をグラフで可視化する (matplotlib)
という、データサイエンスの基本的なワークフローを最初から最後まで一気通貫で体験することができました。様々なライブラリを連携させることで、これほど強力なツールが作れるというのは、Pythonの大きな魅力ですね。
さて、このスクリプトは非常に強力ですが、場所や期間を変えるたびにコードを直接編集する必要があります。これを、プログラミングを知らない人でも使えるように、ボタンや入力欄を持ったデスクトップアプリケーションにできたら、もっと便利だと思いませんか？


今後のブログでは、この「気象データ分析ツール」を、Tkinterを使って誰でも使えるGUIアプリケーションへと進化させるプロジェクトに挑戦するかもしれません！ ぜひ、お楽しみに！

その他の投稿はこちら

コメント

コメントを投稿

このブログの人気の投稿

タイトルまとめ

環境構築 これで迷わない！WindowsでPython環境構築する一番やさしい方法 #0 【Python初心者向け】venvでスッキリ環境構築！プロジェクトごとの独立性を保つ秘訣 #1 超入門〜入門 【Python超入門】プログラミングで計算してみよう！四則演算と便利な算術演算子を徹底解説 #2 【Python超入門】プログラミングの第一歩！「変数」とは？使い方と命名ルールを優しく解説 #3 【Python入門】プログラムの流れを自由自在に！if文を使った条件分岐を徹底マスター #4 【Python入門】繰り返し処理をマスター！for文・while文の基本と使い分けを徹底解説 #5 【Python入門】コードを整理整頓！関数の作り方と使い方をマスターしよう (def, 引数, 戻り値) #6 【Python入門】オブジェクト指向の扉を開こう！クラスの基本と作り方・使い方 (class, __init__, メソッド) #7 【Python入門】クラッシュしないプログラムへ！エラーハンドリング(try-except-else-finally-raise)完全ガイド #8 中級へ向けて > OOP(オブジェクト指向プログラミング) 【Python中級への道】OOPの真髄！クラスの「継承」でコードを再利用・拡張しよう (親クラス・子クラス・super) #8 【Python中級編】OOPの魔法！ポリモーフィズム（多態性）で柔軟なコードを書こう #9 【Python中級編】OOPの守護神！カプセル化で安全なクラスを作ろう (データ隠蔽・プロパティ) #10 標準ライブラリ紹介 【Python標準ライブラリ入門 第1回】日付と時刻を自由自在に！datetimeモジュール徹底活用術 【Python標準ライブラリ入門 第2回】偶然をプログラムに！randomモジュールで乱数を使いこなそう 【Python標準ライブラリ入門 第3回】データ交換の標準！jsonモジュールでJSONを自由自在に扱おう 【Python標準ライブラリ入門 第4回】ファイル・ディレクトリ操作の達人になろう！osモジュール徹底ガイド 【Python標準ライブラリ入門 第5回】表データ処理の相棒！csvモジュールでCSVファイルを自在に操ろう 📊 【Python標準ライブラリ入門 第6回】ファイル操作を極...
続きを読む

これで迷わない！WindowsでPython環境構築する一番やさしい方法 #0

イメージ
はじめに：Python学習、最初の一歩を応援します！ 「Pythonを勉強してみたいけど、何から始めたらいいの？」 「プログラミングって難しそう…環境構築でつまずきたくないな…」 こんにちは！ この記事は、そんなプログラミング初心者さん、特にWindowsユーザーのあなたが、スムーズにPython学習をスタートできるよう、 Pythonの環境構築手順 をどこよりも分かりやすく解説することを目指しています。 私自身もそうでしたが、プログラミング学習の最初のハードルが、この「環境構築」だったりします。でも大丈夫！この記事の手順通りに進めれば、きっとあなたのパソコンでPythonが動くようになります。 一緒にPythonの世界への第一歩を踏み出しましょう！ そもそもPythonって何？ (軽くでOK) Pythonは、読みやすく、書きやすい、そしてとっても人気のあるプログラミング言語です。Webサイト制作、データ分析、AI開発など、本当に色々なことができます。初心者にも比較的学びやすい言語と言われているんですよ。 さっそくPythonをインストールしよう！ (Windows編) それでは、WindowsのパソコンにPythonをインストールしていきましょう。 1. Python公式サイトへアクセス！ まずは、Pythonの「公式」ダウンロードページにアクセスします。 検索エンジンで「Python ダウンロード」と検索するか、こちらのアドレスに直接アクセスしてください。 https://www.python.org/downloads/ 2. 最新版のPythonをダウンロード ダウンロードページを開くと、「Download Python X.X.X」（X.X.Xはバージョン番号）という大きなボタンがあるはずです。基本的には、この最新版をダウンロードすればOKです。 ポイント： もし学習する教材などでPythonのバージョンが指定されている場合は、少し下にスクロールすると過去のバージョンもダウンロードできます。でも、特に理由がなければ最新版を選びましょう。 3. ダウンロードしたインストーラーを実行！ ダウンロードが完了したら、ダウンロードフォルダにある .exe ファイル（例： python-3.12.3-amd64.exe のような名前です）をダブルクリックし...
続きを読む

【Python標準ライブラリ完結！】11の冒険をありがとう！君のPython力が飛躍する「次の一歩」とは？ 🚀

こんにちは！ Python標準ライブラリ探検隊、隊長のPythonistaです！ 長い間お付き合いいただき、本当にありがとうございました。ついにこの「Python標準ライブラリ入門シリーズ」も、今回の第12回で最終回を迎えることになりました。 第1回の datetime モジュール から始まり、 前回の合わせ技プロジェクト まで、私たちはPythonが標準で提供している強力で便利な「道具箱」の中身を、一緒に探検してきました。このシリーズを通して、Pythonの標準ライブラリがいかに多機能で、日々のプログラミング作業を助けてくれるかを少しでも感じていただけていたら嬉しいです。 この記事では、これまでの冒険の軌跡を振り返りつつ、皆さんがこのシリーズで得た知識を土台として、さらにPythonプログラミングの世界を広げていくための「次なる冒険」へのヒントをお届けしたいと思います。最後まで、どうぞお付き合いください！ 1. これまでの冒険を振り返る：標準ライブラリ探検ダイジェスト 🗺️ まずは、私たちが一緒に探検してきたPython標準ライブラリの仲間たちを、その主な役割と共に振り返ってみましょう。各モジュールの名前は、過去の記事へのリンクになっています（リンク先は適宜設定してくださいね）。 datetime : 日付と時刻の達人に！プログラムに時間という概念をもたらしました。 random : プログラムに偶然性の魔法を！ゲームからデータ生成まで幅広く活躍。 json : データ交換のスタンダード！異なるシステム間で情報をやり取りする共通言語。 os : OSと対話し、ファイルシステムを操る！プログラムがコンピュータ環境と連携する基盤。 csv : 表形式データを手軽に扱う！Excelなどとのデータ連携もスムーズに。 glob & shutil : ファイル検索と高度なファイル操作の強力コンビ！面倒なファイル管理を自動化。 logging : print デバッグからの卒業！本格的なログ管理でプログラムの信頼性アップ。 re : テキスト処理のスーパーパワー、正規表現！複雑な文字列操作も思いのまま。 collections : データ構造...
続きを読む