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：
0 L/ U; P. f8 Y: C7 {, E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
$ C' q. ]; B# t4 C- D" ~4 l临海城市的空气质量是否优于内陆城市？三、相关系数分析
4 [: w7 s9 A6 X* W: ]空气质量主要受哪些因素的影响？四、区间估计
2 q- s8 r+ B& p& C& J7 q# m6 c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
8 t0 U: R( ^2 j: T# F9 b6 V! Rsns.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()

. t( M, j! r4 J# B& u数据集描述：
$ `6 e5 L$ C! {2 N8 V5 s9 Q
: k( N+ F0 c  X  wCity：城市名
' c: k* E3 E6 L9 h8 U$ W
- a7 s0 U: Y9 y. L( @+ ^0 u# @AQI：空气质量指数
! v+ ?" b$ p$ C8 e3 g
6 T7 m/ _+ y+ I5 qPrecipitation：降雨量

GDP：人均生产总值

Tempearture：温度

Longitude/Latitude：经/纬度
6 [; V5 L- p$ l8 |5 y5 w
7 v0 V' q0 t: `; ~5 E7 x! r! N; a) fAltitude：海拔高度
, x0 F* b0 \) u% g: ]! O
: R8 i# ^# b5 P! U7 K, H2 ~9 EPopulationDensity：人口密度
% A. c# T6 |9 b& H0 m1 m
' U) v( r& Q, T' ZCoastal：是否沿海

, I$ R8 h4 v) F) ?" AGreenCoverageRate：绿化覆盖率
9 E7 o+ X% ]0 F) [1 [* y5 q) ]
& y! ^0 E# C# g6 v& BIncineration(10,000ton)：焚烧量（w吨）

& ?; K/ A9 w. Z3 D% `! h数据清洗
% l" i( {- [% J3 t0 \! r9 |检查缺失值：
数据集描述：
6 S1 N. d& ~# l3 R* S
" f( q' O/ U$ d& m0 h. YCity：城市名

AQI：空气质量指数
5 Y# t( {  M$ j) y
) k8 \: S: ?; p# C5 `* s# w2 EPrecipitation：降雨量

+ Q0 l& D5 C5 p: J) xGDP：人均生产总值

Tempearture：温度

) {, r( g. a/ l9 F# jLongitude/Latitude：经/纬度
# }, A4 w8 ]" j9 @) ~
Altitude：海拔高度

  A& i  U% x# K+ N" {PopulationDensity：人口密度
6 X4 \: O, t* y% J( }7 W
+ l( Q/ S! a5 h2 i( k* p3 {$ GCoastal：是否沿海
4 N  B% w  j+ ]$ }
GreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）
0 Q8 G) S" j0 d. h
数据清洗
检查缺失值：
data.isnull().sum(axis=0)



, m) m/ y2 ]2 ^( i, x0 Z
查看含缺失值列数据的分布：
, t: B0 u/ P4 ~  |5 W) P- w/ L. e#print(data["Precipitation"].skew())#偏度  
sns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
1 [+ M# k: \2 D$ p* S0 ~plt.title("分布密度图")
. O1 `2 b/ ?& [. J, k0.27360760671177387


. L* q+ Z  Z" {2 S4 p- g: ^2 |/ i  c

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)
" d8 s8 _. n8 _7 K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()

) b. ^% X4 m6 c5 k, ZAQI                        1.198754
- t3 e/ {1 C5 X+ aPrecipitation              0.273608
GDP                        3.761428
Temperature               -0.597343
Longitude                 -1.407505
/ l" ~8 m, r5 bLatitude                   0.253563
3 h' O$ v( A2 W" A& K: @" p  }Altitude                   3.067242
) |. F9 d9 }( ^( e3 H, EPopulationDensity          3.125853
GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
8 R( ]% g% d0 Z4 V6 Q2 |dtype: float64

; B" K2 l$ h! v5 X7 G

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：

  C) @6 n  i7 x& S7 W1 j3 Z( fmean, std = data.GDP.mean(), data.GDP.std()
2 @$ X3 t5 V$ j4 f& D1 A: rlower, upper = mean - 3 * std, mean + 3 * std

4 V  R( s$ o2 Q; }. ~print("均值：", mean)
1 q% p: U$ s4 F. R* `6 kprint("标准差：", std)
* U+ t9 D% T% q1 r0 Aprint("下限：", lower)
print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
- y8 j$ \8 c3 Q0 }
均值： 2390.901815384616
) S/ q; |7 u; Z! J8 e标准差： 3254.876921271434
- x6 |( d8 I8 z1 i8 W+ _( y下限： -7373.728948429687
上限： 12155.532579198918
4 X$ s4 l. }8 A: ?# `" Y' a16     22968.60
63     18100.41
202    24964.99
6 ~/ ^5 e0 ^! S9 U$ Q3 @0 z207    17502.99
2 z: r/ c7 [! n2 r215    14504.07
230    16538.19
256    17900.00
4 Q' ]# m7 D; w- [314    15719.72
1 T8 B/ _  u, f  c6 m; R% L: W, G" M, fName: GDP, dtype: float64
2 J. [9 j- {6 u& y/ z6 D! y2 i



4 }2 m4 Z0 I$ ^; u# Q, q$ f

---

作者: sjlxdn    时间: 2021-10-23 14:51
11111111111111111111

---

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

Powered by Discuz! X2.5