技术架构
后端技术
Spark：用于大规模数据处理和分析，利用其内存计算的优势，高效地处理和分析大规模天气数据。
Selenium：用于自动化数据采集，模拟用户操作，自动化地从网络上抓取天气数据。
Pandas：用于数据清洗和预处理，确保数据的质量和一致性。
Flask：轻量级Web框架，用于构建Web应用的后端服务，处理用户请求和响应。
前端技术
ECharts：用于数据可视化，展示天气数据的分析结果，包括气温变化、空气质量指数等，为用户提供直观的决策支持。
HTML/CSS/JavaScript：用于构建用户友好的界面，确保系统的易用性和交互性。

系统功能
1. 数据采集
使用Selenium从指定的天气网站上抓取历史天气数据，并将数据保存为CSV文件。采集的数据包括每个月的平均高温、平均低温、极端高温、极端低温、平均空气质量指数等，以及每日的详细天气情况。
2. 数据清洗
使用Pandas对采集到的原始数据进行清洗，移除冗余符号，将字符串类型的数据转换为数值类型，并对日期格式进行处理，确保数据的一致性和可用性。
3. 数据分析
在Linux环境下使用Spark进行数据分析，提取有价值的信息。分析内容包括每个月的平均气温、空气质量指数、极端温度、最常见的天气类型、降水天数和晴天数等。
4. 数据可视化
通过Flask和ECharts进行数据可视化展示，将分析结果以图表的形式直观展示给用户。用户可以通过Web界面查看每个月的平均气温变化、空气质量指数分布、极端温度变化、天气类型分布等。

系统特色
1. 全面数据处理
系统涵盖了从数据采集、清洗、分析到可视化展示的完整流程，确保数据处理的高效性和准确性。
2. 高效大数据处理
利用Spark的内存计算优势，系统能够高效处理和分析大规模天气数据，快速提取出有价值的信息。
3. 直观的数据展示
通过ECharts进行数据可视化，系统能够以直观、易理解的方式展示天气数据的分析结果，帮助用户更好地理解数据。
4. 用户友好的界面
系统采用Flask框架构建Web应用，提供简洁、易用的用户界面，用户可以轻松浏览和查询天气数据的分析结果。