AQI空气质量分析与预测的相关资料
AQI分析与预测AQI全称是Air Quality Index，指空气质量指数，用来衡量空气清洁或者污染的程度，值越小，表示空气质量越好。本文的分析目标是：
一、描述性统计
那些城市的空气质量较好/较差？空气质量在地理位置分布上，是否具有一定的规律？二、推断统计
临海城市的空气质量是否优于内陆城市？三、相关系数分析
空气质量主要受哪些因素的影响？四、区间估计
全国城市空气质量普遍处于哪种水平？五、统计建模
怎样预测一个城市的空气质量？导包并读取数据：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns
sns.set(style="darkgrid")plt.rcParams["font.family"] = "SimHei"plt.rcParams["axes.unicode_minus"] = False
data = pd.read_csv("data/data.csv")print(data.shape)data.head()https://img-blog.csdnimg.cn/img_convert/4b505290931e0aa6ef09d0e0a06938e3.png
数据集描述：
City：城市名
AQI：空气质量指数
Precipitation：降雨量
GDP：人均生产总值
Tempearture：温度
Longitude/Latitude：经/纬度
Altitude：海拔高度
PopulationDensity：人口密度
Coastal：是否沿海
GreenCoverageRate：绿化覆盖率
Incineration(10,000ton)：焚烧量（w吨）
数据清洗
检查缺失值：
数据集描述：
City：城市名
AQI：空气质量指数
Precipitation：降雨量
GDP：人均生产总值
Tempearture：温度
Longitude/Latitude：经/纬度
Altitude：海拔高度
PopulationDensity：人口密度
Coastal：是否沿海
GreenCoverageRate：绿化覆盖率
Incineration(10,000ton)：焚烧量（w吨）
数据清洗
检查缺失值：
data.isnull().sum(axis=0)
https://img-blog.csdnimg.cn/img_convert/146c88f8247f819a37a225f125c1901f.png
查看含缺失值列数据的分布：
#print(data["Precipitation"].skew())#偏度
sns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
plt.title("分布密度图")
0.27360760671177387
https://img-blog.csdnimg.cn/img_convert/86ce8adbe308b38b8722f2bd188bc3ac.png
数值型变量，数据呈现右偏分布，所以使用中位数填充。对缺失值进行中位数填充data.fillna({"Precipitation":data["Precipitation"].median()},inplace=True)
检查异常值的三种方法
[*]data.describe() 查看数据的描述：分位数、均值与标准差
[*]基于正太分布 ±三个标准差涵盖99.7%的数据
[*]箱线图（四分位距IQR=Q3-Q1，上下边界：Q3/Q1 ±1.5IQR）
查看数据集的偏度：
data.skew()
AQI 1.198754
Precipitation 0.273608
GDP 3.761428
Temperature -0.597343
Longitude -1.407505
Latitude 0.253563
Altitude 3.067242
PopulationDensity 3.125853
GreenCoverageRate -0.381786
Incineration(10,000ton) 4.342614
dtype: float64
可以看到GDP和人口密度等都出现了严重的右偏分布，意味着存在很多极大的异常值。下面我们查看以下GDP的异常值：
mean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std
print("均值：", mean)
print("标准差：", std)
print("下限：", lower)
print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
均值： 2390.901815384616
标准差： 3254.876921271434
下限： -7373.728948429687
上限： 12155.532579198918
16 22968.60
63 18100.41
202 24964.99
207 17502.99
215 14504.07
230 16538.19
256 17900.00
314 15719.72
Name: GDP, dtype: float64
11111111111111111111
页:
[1]