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。
本文的分析目标是：
一、描述性统计
" ^1 B! m2 v/ x7 @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
# k3 n3 N5 u7 `- C& o& m临海城市的空气质量是否优于内陆城市？三、相关系数分析
( H! B4 O8 w% P: v& h. V( G空气质量主要受哪些因素的影响？四、区间估计
. E3 E! C( U- q- j) K' D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
  h9 {# l" H+ D# ?" Tdata = pd.read_csv("data/data.csv")print(data.shape)data.head()

& G* a  M8 b4 _% _9 i数据集描述：

City：城市名
( Z) M* q0 V" l; v; Z! v
AQI：空气质量指数

Precipitation：降雨量
7 E7 p! h; T8 y5 B, a
! N4 ]9 n9 r5 WGDP：人均生产总值
8 N# H1 ~# c, V5 Z- i: e9 C1 E
! p: ?6 d+ V$ w: }2 TTempearture：温度

Longitude/Latitude：经/纬度
! G0 c8 b& G, A4 \, Z) U
Altitude：海拔高度

PopulationDensity：人口密度
( o( `0 {  f8 d8 M  M
Coastal：是否沿海
9 Y; m. `# _% i" d# c
) }0 ^6 t' I8 V7 SGreenCoverageRate：绿化覆盖率

( E+ I3 Q' n: h! qIncineration(10,000ton)：焚烧量（w吨）
- ^# \/ p6 G3 `9 B; U8 u
4 c$ O" \3 Y4 W* G数据清洗
: w! M+ f, U* U, p" {. \' J: H7 v检查缺失值：
数据集描述：
% D' @# v5 a8 U. g$ Y- `( n
% h6 s  Z: r2 u, b/ z5 VCity：城市名
% k1 W+ d2 k. Z7 p( C
8 s$ F4 G* W$ p3 F% jAQI：空气质量指数

  t8 Q7 `" [& r( ~9 aPrecipitation：降雨量
4 G3 Z+ R& k2 }: D- j
; }; H" S( K& ~4 `- QGDP：人均生产总值

Tempearture：温度
; Q5 d* V/ Z; p; I
Longitude/Latitude：经/纬度
3 g- z3 p  [1 d( x
Altitude：海拔高度
3 X1 {* E9 y  |- ]* v* N
0 E$ S8 b& {1 I6 p1 M8 |/ CPopulationDensity：人口密度

- K* E/ Y- `$ H- {! vCoastal：是否沿海
* j! Z3 c' _! n0 z
GreenCoverageRate：绿化覆盖率
3 ?  w' z: r% Z: T: i3 z$ @+ @
! ]: @/ r& U4 y. dIncineration(10,000ton)：焚烧量（w吨）
  M  A7 M: d6 N; k$ f
数据清洗
7 B3 M3 A: Z; B6 _( |检查缺失值：
data.isnull().sum(axis=0)


9 J1 C2 n; j1 H( ~: k$ A

3 M7 o6 T+ Z. Z6 b+ D* v4 ^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

4 r6 S5 f- O3 r& v7 V
% d9 O7 j  `) J6 W4 Y) Q. {: O
! r6 Y) @9 N6 k, B/ `5 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)
- R3 o* A: E9 t% \# @3 @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）
  + t* ?2 X' i4 I, u& S( y

查看数据集的偏度：

data.skew()
; V: c  e- _! ^2 f, u+ q$ J1 j: c
AQI                        1.198754
- K0 ?! M: z6 RPrecipitation              0.273608
! y% ~/ a: i: k: W& P6 X3 bGDP                        3.761428
1 H% E8 L4 M$ ^& o# OTemperature               -0.597343
Longitude                 -1.407505
" F/ v9 b  s+ F- kLatitude                   0.253563
% n/ ^" P; z% b5 ?6 d0 p2 E  ^Altitude                   3.067242
PopulationDensity          3.125853
GreenCoverageRate         -0.381786
) Q1 m  g/ g* Y* V6 t' i( W0 a6 @Incineration(10,000ton)    4.342614
& O; f! J  C! M1 l. M) a$ ldtype: float64
# |- l' {* y2 r. q2 K3 x3 V4 m
3 q0 R3 U/ R7 f/ q2 t+ c

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()
3 o% d& Z( k/ Xlower, upper = mean - 3 * std, mean + 3 * std
8 z! ^  _4 B# N+ U- ]# d
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"]

% G* U6 V; `7 E# W# t" U均值： 2390.901815384616
标准差： 3254.876921271434
0 x0 ~0 C$ w# n! c: Q8 {" H7 I下限： -7373.728948429687
上限： 12155.532579198918
16     22968.60
1 X' l( ?: L" ^% Y63     18100.41
" y0 b5 t( i5 v$ H8 d8 c: P2 j202    24964.99
* T; I0 c) s" i8 i207    17502.99
/ K; ]( E/ k2 b* [8 c- m215    14504.07
230    16538.19
( m# N% F' B6 T256    17900.00
/ n6 j+ J. d7 N. S. V314    15719.72
Name: GDP, dtype: float64

0 H% o! A; `  V9 s& X& D& g3 F# T


- L2 t8 V/ T! l- T) x9 n
1 f/ Z* C) e5 L" v: q4 t8 R0 w- A

sjlxdn

11111111111111111111
$ w: ~  o" H" v# G8 u8 \