数学建模社区-数学中国

标题: AQI空气质量分析与预测的相关资料 [打印本页]

---

作者: 1047521767    时间: 2021-10-15 10:46
标题: 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
8 t/ @! G% B- f5 t' k. w空气质量主要受哪些因素的影响？四、区间估计
. ~$ _$ M( T, T. l& i8 x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()

数据集描述：

City：城市名
* z% }: z0 c; j  C3 k. o) B* h4 ?3 U
, g: S6 k4 ~* QAQI：空气质量指数
( i$ k1 ^( o  F# G4 v) |& j/ ^9 A
Precipitation：降雨量
; K8 K) p* N8 H5 ]
GDP：人均生产总值
/ G1 S- u+ T0 z
Tempearture：温度
6 D& T  l7 v" ^9 Y/ e% I* }& [" k2 k
Longitude/Latitude：经/纬度

9 a' p, l+ A& W, i9 M: KAltitude：海拔高度
4 Q0 H: l- d5 ^3 O$ }
PopulationDensity：人口密度

Coastal：是否沿海

1 l9 ~* ^; {7 z+ \GreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）

/ M" c2 B" r& e- @5 g* i: u6 {+ n% C数据清洗
( \* m8 j4 f' @7 w; {检查缺失值：
数据集描述：

) V: }2 [4 D  c6 U1 c( TCity：城市名
1 Z) S8 e% L9 }  K2 v
AQI：空气质量指数

; t  b* m$ k' @: _Precipitation：降雨量
9 g# _$ Q$ a5 a6 \
GDP：人均生产总值
8 _1 j. {* ^! k% O  p: M3 L7 Q
9 U5 C% j5 \# T) X3 e  p8 {Tempearture：温度
, |4 x: l' s& M
1 q9 w/ Z: C8 R/ T' T  lLongitude/Latitude：经/纬度
/ W- d% e6 i/ n7 F/ U
! R( U$ ]" k4 l6 @( A- FAltitude：海拔高度
# C' Q4 o- {1 U. b
PopulationDensity：人口密度
: h7 ]: ~; d, N' E/ f
' Y+ p! E/ _  s4 n$ ?Coastal：是否沿海
* W$ k6 R: B6 m. d1 Z9 t3 c8 I
GreenCoverageRate：绿化覆盖率
! C6 ~" P1 C" x0 n) x
Incineration(10,000ton)：焚烧量（w吨）

数据清洗
. U# Q2 F& x  Y0 p# e% R6 b! a' Q. w检查缺失值：
data.isnull().sum(axis=0)
: b  h/ T4 `: }/ K8 {

# w  \9 r' P5 M" S) W

查看含缺失值列数据的分布：
2 w- U5 b% y* R#print(data["Precipitation"].skew())#偏度  
sns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
! o: M9 g# P- o: j1 H( Hplt.title("分布密度图")
% U; y& ?9 {! P; }3 Q0 ]% a& R0.27360760671177387

+ N& I# x+ F4 V) y9 G
, U/ e2 M1 T! D- F$ _1 s1 F. b& u

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)
- P6 a3 |' u" k0 D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）
  * r" E  ]  F0 _* j8 ^3 n% `' v' g

查看数据集的偏度：

' o) [9 q8 [6 x. k- c3 Ndata.skew()

AQI                        1.198754
Precipitation              0.273608
GDP                        3.761428
9 |' u7 h$ A3 M1 C" c% ZTemperature               -0.597343
# H/ Z; ?2 m, Z6 Z# F+ x! e" w3 JLongitude                 -1.407505
/ Q* ]  Y; R! @4 X5 `& ^" d+ uLatitude                   0.253563
3 c( F7 m0 G# t% AAltitude                   3.067242
PopulationDensity          3.125853
GreenCoverageRate         -0.381786
% E5 }3 W% v  N$ ~* \3 |: R( yIncineration(10,000ton)    4.342614
  Z( c( G# ?( `4 K9 P) Mdtype: float64

: @5 ]: ^" ?3 q9 D

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：

* v$ a7 h( @' I0 ]6 u8 @mean, std = data.GDP.mean(), data.GDP.std()
" X1 A$ h( G) Clower, upper = mean - 3 * std, mean + 3 * std
1 x# A. @  i' |* a7 _/ T. ^/ C% _8 ]
print("均值：", mean)
' k& t; E9 y9 i4 r8 Vprint("标准差：", std)
5 _: p& ^4 e: v! B/ R6 Uprint("下限：", lower)
print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
% ~. k) P0 G6 J* A
均值： 2390.901815384616
标准差： 3254.876921271434
4 F" B0 p, }) C0 V2 E& `4 D下限： -7373.728948429687
上限： 12155.532579198918
16     22968.60
63     18100.41
202    24964.99
  }; o8 h4 Y+ h4 H1 \3 M& G207    17502.99
215    14504.07
8 B5 ]* A( O: V* J9 W  O0 T8 I. Q230    16538.19
256    17900.00
$ a5 P9 E, {- a) H314    15719.72
Name: GDP, dtype: float64
/ D3 g" ^! h; @' P0 d* \


! z4 R2 f( t) q& ]8 n7 i" t" S  |

---

作者: sjlxdn    时间: 2021-10-23 14:51
11111111111111111111
$ {  v$ i9 f' I9 t9 J( n6 s8 I

---

欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)

Powered by Discuz! X2.5