文件名称：What-s-the-Weather-Like-:接近赤道时天气如何？
文件大小：2.34MB
文件格式：ZIP
更新时间：2024-04-02 00:33:44
JupyterNotebook
接近赤道时天气如何？ 可视化世界各地距赤道不同距离的500多个城市的天气。 假设： 温度与纬度成反比。 随着纬度增加，温度下降，反之亦然。 问题 是否存在可观察到的趋势来建立纬度与温度之间的关系？ 纬度和温度之间有很强的相关性吗？ 可以用已知的纬度预测机芯的温度吗？ 使用的图书馆 Python 大熊猫 Matplotlib 统计资料 要求 时间 数据源 来自openweathermap API的天气数据 从Google Places API获取的位置（经度和纬度）数据 可视化 线性回归 ！[替代文字]（图片/ NH-多云vs. Lat Lin Regress.png？raw = true“多云vs.纬度-北半球”） r平方：0.2 ！[替代文字]（图片/ SH-多云vs. Lat Lin Regress.png？raw = true“多云vs.纬度-南半球”） r平方：0.2
【文件预览】：
What-s-the-Weather-Like--collan18
----starter_code()
--------WeatherPy.ipynb(532KB)
--------VacationPy.ipynb(24KB)
----output_data()
--------clean_city_data.csv(33KB)
--------cities_weather_data.csv(31KB)
----Images()
--------SH-lin_regress_max_temp_vs_lat.png(17KB)
--------equatorsign.png(888KB)
--------SH - Humidity vs. Lat Lin Regress.png(15KB)
--------NH-lin_regress_max_temp_vs_lat.png(18KB)
--------SH - Wind Speed vs. Lat Lin Regress.png(17KB)
--------NH - Max_Temp vs. Lat Lin Regress.png(22KB)
--------NH - Cloudiness vs. Lat Lin Regress.png(19KB)
--------NH - Humidity vs. Lat Lin Regress.png(19KB)
--------hotel_map.png(410KB)
--------cloudiness_vs_lat.png(38KB)
--------lin_regress_max_temp_vs_lat.png(18KB)
--------NH - Wind Speed vs. Lat Lin Regress.png(19KB)
--------max_temp_vs_lat.png(39KB)
--------SH - Cloudiness vs. Lat Lin Regress.png(16KB)
--------heatmap.png(484KB)
--------humidity_vs_lat.png(37KB)
----LICENSE(11KB)
----README.md(3KB)
----.gitignore(2KB)