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：
9 J; V. q0 D3 W/ C一、描述性统计
: L( X. `0 C' E% U6 o& ^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
- p1 T2 c# [6 Y& @; r' G$ G* ]空气质量主要受哪些因素的影响？四、区间估计
* l0 ?& ?1 \' y2 ~1 i$ S( r! H/ m全国城市空气质量普遍处于哪种水平？五、统计建模
& m% i3 Q  m6 |& x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
  C1 a% W) E/ Odata = pd.read_csv("data/data.csv")print(data.shape)data.head()

% w( u0 M9 a3 ?& {! y# z- J2 Y+ S数据集描述：
' \4 A# X! {7 s% R+ C: [% v" V- ^
; I+ J' L* c" @3 gCity：城市名

8 L8 u' z4 u9 P3 U6 b3 o/ NAQI：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
, r4 z0 C3 w# f
Altitude：海拔高度

& Q: l* G; f1 M. u: uPopulationDensity：人口密度

# Z6 T- R* W6 rCoastal：是否沿海

GreenCoverageRate：绿化覆盖率

8 [! x  O' i- M+ T9 q0 bIncineration(10,000ton)：焚烧量（w吨）

& t: {. \$ b9 E数据清洗
- S& P; R) g( M- g4 E检查缺失值：
8 m' S1 }  E. U6 Q数据集描述：
7 s/ x- x8 B) e1 G( S# D
City：城市名

AQI：空气质量指数

Precipitation：降雨量
" K# A; t% b: B( [  D( u
: k  q6 x# U- N* t7 _* m  M2 IGDP：人均生产总值

2 T3 ^  H4 j& }9 _- R! W9 wTempearture：温度

% E0 k4 u4 t) C) J: [* nLongitude/Latitude：经/纬度

  o% S8 i, x( _0 A3 fAltitude：海拔高度
+ j6 k4 C8 m$ D! d+ D2 a; Q% j
: R3 F, B6 l" k! U' @4 hPopulationDensity：人口密度
8 A( d5 r5 j2 b) e+ Q" [; P
Coastal：是否沿海
2 L# e' E: J. Z. c$ P, y- V
GreenCoverageRate：绿化覆盖率
  W, g9 }. N" r! X4 s1 s+ O) V+ C
Incineration(10,000ton)：焚烧量（w吨）

. [6 a- m) s: `5 _/ a数据清洗
/ N" O$ a. J- z1 d) V检查缺失值：
data.isnull().sum(axis=0)

6 s! t" a2 b6 j% R: b8 @4 R

( h% O3 i* j* ]( F7 D
查看含缺失值列数据的分布：
#print(data["Precipitation"].skew())#偏度  
/ P+ C" [2 |; c, Q! Ysns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
plt.title("分布密度图")
% Q7 z- ]$ v% {$ B+ r7 [5 r7 m0.27360760671177387

& M$ c& [" @+ n* I3 z7 }, C
7 `: h  W- B& Y8 i
2 H8 `! P% _* c' H# T$ Y4 `4 L

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：

! B& t9 ^! f1 @" c1 P, b9 Z4 @data.skew()

AQI                        1.198754
Precipitation              0.273608
! j* g0 U% D. j4 t: \) @GDP                        3.761428
( c3 V3 n3 Q+ r8 }6 UTemperature               -0.597343
Longitude                 -1.407505
3 h4 |; o3 r9 WLatitude                   0.253563
Altitude                   3.067242
1 m& g) B0 i! P% U8 pPopulationDensity          3.125853
4 f# o2 w1 m& Y! d/ J% zGreenCoverageRate         -0.381786
# b; k" V* y4 }9 D: uIncineration(10,000ton)    4.342614
dtype: float64
+ a) S) C2 f( a

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()
+ E* s* f4 s2 b0 V2 I5 {lower, upper = mean - 3 * std, mean + 3 * std
2 F' p& f  u6 H  i7 l
9 s4 ^% ~6 R: b6 h6 H( P; fprint("均值：", mean)
: j& D: k. o* J5 ~& j- ]" sprint("标准差：", std)
5 J) H/ V5 E' z* t& S- R5 ~print("下限：", lower)
4 [% z, @5 Q+ }print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
  x6 ~, X7 z2 T4 F8 @
均值： 2390.901815384616
! u, X: d7 ^: O, L标准差： 3254.876921271434
下限： -7373.728948429687
上限： 12155.532579198918
16     22968.60
' h- I7 c) Y' x( L1 G63     18100.41
202    24964.99
207    17502.99
- y1 v/ q, {6 j5 o3 I7 Q215    14504.07
5 X2 ]! z- Z' o6 B4 v3 q! y230    16538.19
256    17900.00
4 R" I: g  _+ d& P& i314    15719.72
Name: GDP, dtype: float64
: y6 }% _1 w" a# b



  c5 I- Q* ~: I! {

---

作者: sjlxdn    时间: 2021-10-23 14:51
11111111111111111111
3 W6 M2 W( j- f

---

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

Powered by Discuz! X2.5