मिनटों में अपना खुद का वेदर डैशबोर्ड बनाएं (कोई API Keys नहीं, कोई लागत नहीं)

Hook

आप एक पैसा खर्च किए बिना या API keys खोजे बिना Python में लाइव वेदर डैशबोर्ड बना सकते हैं। यहां बताया गया है कि सुंदर इंटरैक्टिव चार्ट के साथ रीयल-टाइम मौसम डेटा दिखाने वाला कुछ कैसे बनाएं, जो सब ऑनलाइन चलता हो।

यह 2026 में क्यों मायने रखता है

आज (June 30, 2026), डेटा विज़ुअलाइज़ेशन टूल्स इतने सुलभ हो गए हैं कि कोई भी जिसे बुनियादी Python आता है, पेशेवर दिखने वाले डैशबोर्ड बना सकता है। Streamlit जैसे टूल्स ने वेब डेवलपमेंट सीखने की बाधा को दूर कर दिया है—आपको HTML, CSS, या JavaScript जानने की आवश्यकता नहीं है। यह उन लोगों के लिए बहुत बड़ी बात है जो एक त्वरित विचार को किसी वास्तविक चीज़ में तेजी से बदलना चाहते हैं। Open-Meteo API भी मुफ्त मौसम डेटा के लिए एक लोकप्रिय स्रोत बन गया है, कोई पंजीकरण की आवश्यकता नहीं है, जिससे इस तरह के प्रोजेक्ट वास्तव में घर्षण रहित हो जाते हैं।

आप क्या बना रहे हैं

एक वेदर डैशबोर्ड जो यह करता है:

• किसी भी स्थान के लिए वर्तमान स्थितियां (तापमान, आर्द्रता, हवा की गति) दिखाता है
• अगले कुछ दिनों के तापमान प्रवृत्तियों के सुंदर चार्ट प्रदर्शित करता है
• आपको पृथ्वी पर किसी भी शहर को चुनने और तुरंत लाइव डेटा देखने देता है
• Streamlit Cloud (Streamlit की होस्टिंग सेवा) पर मुफ्त में चलता है

पूरी चीज़ एक वेब ऐप के रूप में चलती है—बस एक URL पर जाएं और अपने ब्राउज़र में इसके साथ इंटरैक्ट करें। प्रबंधित करने के लिए कोई बैकएंड नहीं, चिंता करने के लिए कोई सर्वर नहीं।

आपको क्या चाहिए

• आपके कंप्यूटर पर Python 3.7 या बाद का संस्करण स्थापित हो
• एक टेक्स्ट एडिटर (VS Code, Sublime, जो भी आपको पसंद हो)
• एक मुफ्त GitHub अकाउंट
• एक मुफ्त Streamlit Cloud अकाउंट (वही GitHub लॉगिन का उपयोग करता है)
• बस इतना ही। कोई API keys नहीं, कोई क्रेडिट कार्ड नहीं, कोई सब्सक्रिप्शन नहीं।

यह कैसे काम करता है (आइडिया)

Streamlit स्वचालित रूप से Python स्क्रिप्ट को वेब ऐप में बदल देता है। आप Python लिखते हैं, चीजों को इंटरैक्टिव बनाने के लिए कुछ विशेष कमांड जोड़ते हैं, और Streamlit इसे एक वेबसाइट में बदलने का काम संभालता है। Plotly चार्ट बनाता है—वे इंटरैक्टिव होते हैं, इसलिए लोग डेटा पॉइंट्स पर होवर कर सकते हैं और ज़ूम इन कर सकते हैं। Open-Meteo वालंटियर्स द्वारा संचालित एक मुफ्त मौसम API है जिसके लिए प्रमाणीकरण या दर सीमित (कारण के भीतर) की आवश्यकता नहीं होती है।

तीनों टुकड़े एक साथ फिट होते हैं: आप Open-Meteo से डेटा प्राप्त करते हैं, इसे Python के साथ प्रोसेस करते हैं, इसे Streamlit के साथ प्रदर्शित करते हैं, और इसे Plotly के साथ विज़ुअलाइज़ करते हैं।

Step 1: टूल्स इंस्टॉल करें

एक टर्मिनल खोलें और चलाएं:

pip install streamlit plotly requests pandas

यह उन लाइब्रेरीज़ को स्थापित करता है जिनकी आपको आवश्यकता है। requests इंटरनेट से डेटा प्राप्त करता है, pandas इसे व्यवस्थित करने में मदद करता है, और streamlit और plotly बाकी को संभालते हैं।

Step 2: अपनी Python स्क्रिप्ट बनाएं

नामक एक नई फ़ाइल बनाएं app.py और इसे पेस्ट करें:

import streamlit as st
import plotly.graph_objects as go
import requests
import pandas as pd
from datetime import datetime

st.set_page_config(page_title="Weather Dashboard", layout="wide")

st.title("Live Weather Dashboard")

city = st.text_input("Enter a city name:", "London")

if city:
    try:
        geo_url = f"https://geocoding-api.open-meteo.com/v1/search?name={city}&count=1"
        geo_response = requests.get(geo_url).json()
        
        if geo_response["results"]:
            location = geo_response["results"][0]
            lat, lon = location["latitude"], location["longitude"]
            name = location["name"]
            
            weather_url = f"https://api.open-meteo.com/v1/forecast?latitude={lat}&longitude={lon}&current=temperature_2m,humidity,weather_code,wind_speed_10m&hourly=temperature_2m&daily=temperature_2m_max,temperature_2m_min&timezone=auto"
            weather_response = requests.get(weather_url).json()
            
            current = weather_response["current"]
            daily = weather_response["daily"]
            
            col1, col2, col3, col4 = st.columns(4)
            col1.metric("Temperature", f"{current['temperature_2m']}°C")
            col2.metric("Humidity", f"{current['humidity']}%")
            col3.metric("Wind Speed", f"{current['wind_speed_10m']} km/h")
            col4.metric("Location", name)
            
            df = pd.DataFrame({
                "Date": pd.to_datetime(daily["time"]),
                "Max": daily["temperature_2m_max"],
                "Min": daily["temperature_2m_min"]
            })
            
            fig = go.Figure()
            fig.add_trace(go.Scatter(x=df["Date"], y=df["Max"], name="High", mode="lines+markers"))
            fig.add_trace(go.Scatter(x=df["Date"], y=df["Min"], name="Low", mode="lines+markers"))
            fig.update_layout(title="Temperature Forecast", xaxis_title="Date", yaxis_title="Temperature (°C)")
            
            st.plotly_chart(fig, use_container_width=True)
    
    except Exception as e:
        st.error(f"Could not fetch data: {e}")

यह स्क्रिप्ट:

• उपयोगकर्ताओं को एक शहर का नाम टाइप करने देता है
• शहर का अक्षांश और देशांतर खोजता है
• Open-Meteo से वर्तमान मौसम और पूर्वानुमान प्राप्त करता है
• बड़े बॉक्स में प्रमुख मेट्रिक्स (तापमान, आर्द्रता, हवा) प्रदर्शित करता है
• अगले सप्ताह के लिए उच्च और निम्न तापमान दिखाने वाला एक चार्ट प्लॉट करता है

Step 3: इसका स्थानीय रूप से परीक्षण करें

अपने टर्मिनल में, उस फ़ोल्डर में नेविगेट करें जहाँ app.py है और चलाएं:

streamlit run app.py

Streamlit एक ब्राउज़र विंडो खोलता है। एक शहर का नाम टाइप करें और इसे काम करते हुए देखें। आप तुरंत लाइव डेटा दिखाई देते हुए देखेंगे। "Tokyo," "New York," या पृथ्वी के किसी भी शहर को टाइप करने का प्रयास करें—Open-Meteo के पास वे सभी हैं।

Step 4: GitHub पर पुश करें

एक नया GitHub रिपॉजिटरी बनाएं (पब्लिक, README की आवश्यकता नहीं है)। फिर:

git init
git add app.py
git commit -m "Initial weather dashboard"
git branch -M main
git remote add origin https://github.com/YOUR_USERNAME/REPO_NAME.git
git push -u origin main

को बदलें YOUR_USERNAME और REPO_NAME अपने वास्तविक GitHub यूज़रनेम और रिपॉजिटरी नाम के साथ।

Step 5: Streamlit Cloud पर डिप्लॉय करें

पर जाएँ Streamlit Cloud (यह मुफ़्त है और आपके GitHub लॉगिन का उपयोग करता है)। "New app" पर क्लिक करें और अपने रिपॉजिटरी को कनेक्ट करें। Streamlit आपकी app.py फ़ाइल स्वचालित रूप से ढूंढ लेता है और उसे डिप्लॉय करता है। एक मिनट के भीतर, आपको एक लाइव URL मिल जाता है जिसे आप किसी के भी साथ साझा कर सकते हैं।

यदि आप GitHub में कोड को अपडेट करते हैं, तो Streamlit स्वचालित रूप से रीडिप्लॉय करता है। आप कभी भी किसी सर्वर को नहीं छूते हैं।

Step 6: कस्टमाइज़ करें (वैकल्पिक)

आप आसानी से और सुविधाएँ जोड़ सकते हैं:

• एक साथ और शहर दिखाएं
• और चार्ट प्रकार जोड़ें (समय के साथ आर्द्रता, हवा के पैटर्न)
• अत्यधिक मौसम के लिए अलर्ट प्रदर्शित करें
• पसंदीदा शहरों को सहेजें

Streamlit का दस्तावेज़ीकरण उत्कृष्ट और शुरुआती-अनुकूल है। प्रमुख अंतर्दृष्टि: यदि आप Python लिख सकते हैं, तो Streamlit आपको वेब डेवलपमेंट सीखे बिना वेब ऐप बनाने देता है।

निष्कर्ष

वेदर डैशबोर्ड बनाने का अर्थ अब सर्वर, डेटाबेस, या API प्रमाणीकरण के साथ जूझना नहीं है। Streamlit उबाऊ हिस्सों को संभालता है, Plotly चार्ट को सुंदर बनाता है, और Open-Meteo डेटा मुफ्त में प्रदान करता है। आप एक घंटे के भीतर विचार से डिप्लॉय किए गए ऐप तक जा सकते हैं। डेटा विज़ुअलाइज़ेशन कितना सुलभ हो गया है, इसमें यह एक वास्तविक बदलाव है।

खूबियां

• पूरी तरह से मुफ़्त—कोई लागत नहीं, कोई API keys नहीं, कोई छिपी हुई फीस नहीं
• बनाने में तेज़—पूरी चीज़ में लगभग एक घंटा लगता है
• डिफ़ॉल्ट रूप से सुंदर—Plotly चार्ट बिना किसी छेड़छाड़ के पेशेवर दिखते हैं
• इंटरैक्टिव—उपयोगकर्ता आपके किसी भी अतिरिक्त काम के बिना क्लिक, होवर और ज़ूम कर सकते हैं
• स्वचालित रूप से डिप्लॉय किया गया—GitHub पर कोड पुश करें, Streamlit तुरंत रीडिप्लॉय करता है
• वास्तविक प्रोजेक्ट्स के लिए स्केलेबल—यही दृष्टिकोण हज़ारों डेटा पॉइंट्स वाले डैशबोर्ड के लिए काम करता है
• किसी वेब डेवलपमेंट कौशल की आवश्यकता नहीं—शुद्ध Python

खामियां

• Streamlit Cloud में रेट लिमिट्स और रिसोर्स कैप्स हैं (मुफ़्त टियर मामूली है)
• Open-Meteo के मुफ़्त टियर में अपटाइम की कोई गारंटी नहीं है (विफल होने की संभावना कम है, लेकिन SLA-समर्थित नहीं है)
• हर बार जब कोई उपयोगकर्ता इसके साथ इंटरैक्ट करता है तो Streamlit पूरी स्क्रिप्ट को फिर से चलाता है (भारी गणनाओं के लिए धीमा हो सकता है)
• UI डिज़ाइन का सीमित कस्टमाइज़ेशन (आपको Streamlit का लुक मिलता है, पूरी तरह से ब्रांडेड अनुभव नहीं)
• डिफ़ॉल्ट रूप से कोई बैकएंड डेटाबेस नहीं (डेटा तब तक बना नहीं रहता जब तक आप इसे अलग से नहीं बनाते)
• यदि आप बड़े पैमाने पर ऐतिहासिक डेटासेट लाने का प्रयास करते हैं तो प्रदर्शन कम हो जाता है

सावधानी

ऊपर दिया गया कोड उदाहरण प्लेसहोल्डर और उदाहरण API एंडपॉइंट्स का उपयोग करता है। डिप्लॉय करने से पहले, इसका स्थानीय रूप से परीक्षण करें और पुष्टि करें कि यह वास्तविक डेटा के साथ काम करता है। Open-Meteo मुफ़्त और विश्वसनीय है लेकिन इसकी रेट लिमिट्स हैं—इसे प्रति सेकंड हज़ारों बार कॉल न करें। यदि आप ऐसी सुविधाएँ जोड़ते हैं जिनके लिए उपयोगकर्ता डेटा संग्रहीत करने की आवश्यकता होती है, तो उचित बैकएंड डेटाबेस सेट करना याद रखें (Streamlit Cloud, PostgreSQL या अन्य सेवाओं से जुड़ सकता है, लेकिन यह यहाँ के दायरे से बाहर है)। अपने जोखिम पर आगे बढ़ें और लिंक को सार्वजनिक रूप से साझा करने से पहले अच्छी तरह से परीक्षण करें।

अक्सर पूछे जाने वाले प्रश्न

• क्या होता है अगर Open-Meteo डाउन हो जाता है?
• क्या मैं उपयोगकर्ता खाते जोड़ सकता हूँ और पसंदीदा शहरों को सहेज सकता हूँ?
• डैशबोर्ड का उपयोग एक साथ कितने लोग कर सकते हैं?
• क्या मैं साथ-साथ तुलना करने के लिए और शहर जोड़ सकता हूँ?
• क्या डेटा रीयल-टाइम है या कैश्ड है?
• मैं और अधिक चार्ट और विज़ुअलाइज़ेशन कैसे जोड़ूँ?
• क्या मैं रंगों और फ़ॉन्ट्स को कस्टमाइज़ कर सकता हूँ?
• क्या होगा यदि Streamlit Cloud मेरे उपयोग के मामले के लिए बहुत धीमा है?

टैग

#streamlit #datavisualization #python #plotly #weather #webapps #datascience #opendata