AQI空气质量分析与预测的相关资料

1047521767

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。
  x5 h; G" ~/ X7 f( ]; e, C+ w: ?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
, V3 M* N% W' m4 V6 ]' J8 s临海城市的空气质量是否优于内陆城市？三、相关系数分析
' c- Y* L* C$ a# \+ W* S$ p% g: D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()

( T1 z8 M. J% t数据集描述：

2 ~. j$ O) A, O9 _* o- PCity：城市名

AQI：空气质量指数

7 B- C' z) `5 H! m5 OPrecipitation：降雨量

6 O, W( ?3 `5 z5 P1 hGDP：人均生产总值
$ T9 I( a/ O% X# {
Tempearture：温度

Longitude/Latitude：经/纬度

$ j+ A0 Q2 j- F1 d' f( V7 A7 TAltitude：海拔高度
) p2 C! L7 W- E# R% W
/ W, {, m0 x8 |- xPopulationDensity：人口密度
, Q# i6 |( F+ I$ D9 Y( {+ P
Coastal：是否沿海
" u7 J9 Z( i  ]; B4 _
GreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）
' N( S2 c. [8 `0 }9 S
数据清洗
! P0 |. w5 l& R: G7 s4 h检查缺失值：
' s' m% M" f8 T$ U数据集描述：

' \" H: c" v* s& L! xCity：城市名
5 U7 S% E* j- N2 e# P" }6 D
AQI：空气质量指数

Precipitation：降雨量
. }  l0 U1 I& |! j2 L$ W8 b
. B+ }/ {5 W. r  c: a: K8 aGDP：人均生产总值

& P) R  w6 A8 @  cTempearture：温度

Longitude/Latitude：经/纬度
; Y9 j/ f9 Z8 e6 |. @3 F
Altitude：海拔高度
4 N7 x5 e5 p9 `7 M6 _  _
. ~# U' c1 |; t! ]& q# n: b- CPopulationDensity：人口密度

- c0 |6 y/ P, YCoastal：是否沿海
1 J9 Z: c! F, }9 w
4 S' P& l+ ~5 _3 w& a* g# oGreenCoverageRate：绿化覆盖率
3 v2 i) G: p- d8 C" \0 ~
Incineration(10,000ton)：焚烧量（w吨）

5 h2 z4 `0 r& b4 }/ V$ Q数据清洗
" L* {6 b2 f/ ~* b( _检查缺失值：
& c) Z& e2 c: Q" M+ x/ ~data.isnull().sum(axis=0)

( W" l# J" C; V, W8 \8 {7 d

2 p7 d+ w3 s* y- a7 T3 N9 ]# E- g
2 k3 P) Y, s: a/ K. G( l! n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
: w1 Y4 `* \" j* r( R" mplt.title("分布密度图")
0.27360760671177387

$ u& [3 K' P- P& Q5 d

1 f1 d; x7 n! A% R

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)
# }6 q" H8 |8 `+ C* X9 g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：

) H/ z! a& E) h% S! B0 Q7 ]5 {data.skew()

$ Q3 w) L2 d  f$ p' O' F( XAQI                        1.198754
1 Y% n% _2 o, u! j$ UPrecipitation              0.273608
: d8 y6 s* c3 _9 `8 F4 I) vGDP                        3.761428
Temperature               -0.597343
- f( [7 S  \& H8 X* x3 VLongitude                 -1.407505
7 G8 f" ]0 l, }Latitude                   0.253563
, X  B" Q; C. M' P4 PAltitude                   3.067242
PopulationDensity          3.125853
GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
dtype: float64

3 [, }5 n. e9 F

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：

) N5 O  R" }% p, c/ mmean, std = data.GDP.mean(), data.GDP.std()
  l) w) _9 [" j2 ?* L* L6 }2 s, alower, upper = mean - 3 * std, mean + 3 * std
- Z# Q0 o, U" H. p
. N8 C( g$ t1 iprint("均值：", mean)
9 Y- z' W9 C3 Tprint("标准差：", std)
6 e5 X- M4 C, T% Uprint("下限：", lower)
print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

均值： 2390.901815384616
/ Z6 N+ R# l! c标准差： 3254.876921271434
' _  i4 R4 g. t& Z' r: J$ u& N下限： -7373.728948429687
上限： 12155.532579198918
, h' Q. }+ m  |! u( C0 |* k16     22968.60
63     18100.41
% a. [5 y$ z; H5 ~3 g/ }202    24964.99
! U4 I4 N1 ~. @+ _1 x207    17502.99
215    14504.07
230    16538.19
256    17900.00
314    15719.72
Name: GDP, dtype: float64
% q6 y. b7 ~# O9 w

sjlxdn

11111111111111111111
9 |9 M( [0 I; `( U; u4 A* c