使用机器学习进行天气预测的python代码，数据应包含温度、湿度、气压等信息

以下是一个简单的使用机器学习进行天气预测的Python代码，数据包含温度、湿度、气压等信息：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor

# 读取数据
weather_data = pd.read_csv('weather_data.csv')

# 数据预处理
X = weather_data.drop('temperature', axis=1)
y = weather_data['temperature']

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 训练模型
model = RandomForestRegressor(n_estimators=100, random_state=0)
model.fit(X_train, y_train)

# 预测结果
y_pred = model.predict(X_test)

# 打印预测结果和真实值
print('Predicted temperatures:', y_pred)
print('Real temperatures:', y_test)

其中，`weather_data.csv`包含温度、湿度、气压等信息。首先通过`pandas`库读取数据，然后将温度列从数据中删除，作为模型的标签。接着使用`train_test_split`函数将数据划分为训练集和测试集。最后使用`RandomForestRegressor`模型进行训练和预测，并打印预测结果和真实值。