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。
9 W' G3 t/ f( w+ c- A2 \本文的分析目标是：
: y/ q% T' b) h一、描述性统计
6 u4 N) Z+ |6 ^( ?6 m# G2 l- f" w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
/ o- x& |3 W) r: I+ F  k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()
% i+ s! {1 [4 k/ h" ^/ j3 u1 F6 k* o
数据集描述：
; i/ a# J5 K) W# c8 d; Q7 _
; s2 P( Q0 b7 J" N7 v: l8 hCity：城市名

AQI：空气质量指数
  a2 }, d' ^" t
Precipitation：降雨量

GDP：人均生产总值

9 z* a3 J" N  oTempearture：温度

' i- e  i$ ^0 |1 Z2 z- t% i& Q+ S4 h1 mLongitude/Latitude：经/纬度
/ [; b0 j% W: \" x
# j0 ?$ {4 N& r- yAltitude：海拔高度
. l+ |( a. K4 Z
PopulationDensity：人口密度

* H' i, b* n# d+ i; N5 d* rCoastal：是否沿海

GreenCoverageRate：绿化覆盖率
0 o% P; X& j! o+ |7 X, a
Incineration(10,000ton)：焚烧量（w吨）
5 |3 }- k) U0 M( T. z. e6 l
: `$ [8 }" L, s6 Q( m. v4 G5 O数据清洗
8 k' |  I$ p* Q. J# j检查缺失值：
数据集描述：
! k' I, o, k& m, }
8 m7 A* ?: z2 L  @& U6 RCity：城市名

AQI：空气质量指数

Precipitation：降雨量
2 b  r2 [4 c# o  O4 b) v1 Z* j
1 h! e1 E( I# n: V3 UGDP：人均生产总值
( Y. N+ |4 y) y! _+ \" ?
Tempearture：温度
5 Y( Q1 o( Q5 i" k
Longitude/Latitude：经/纬度

Altitude：海拔高度
7 I7 L: e: X5 l# ~# [
PopulationDensity：人口密度
. ?6 P, \2 S, Y- p
$ P, K6 F' t& g2 T- FCoastal：是否沿海

GreenCoverageRate：绿化覆盖率
2 F8 S5 l9 O* G4 p( D4 z& f
Incineration(10,000ton)：焚烧量（w吨）

7 B0 o) P" }3 b8 R( c/ I数据清洗
3 g, o/ i6 f( t/ M' d, m) m/ b检查缺失值：
, i' D; t5 a7 N; [; W9 P& Hdata.isnull().sum(axis=0)
$ M$ Z4 }  O4 c- U' h: A7 m

$ ?* O4 x7 ?9 @1 R
3 Q! E: P8 H% L9 N5 k+ {( L5 j9 ?
9 z  }; D1 Y6 F6 K  v# o5 Z查看含缺失值列数据的分布：
#print(data["Precipitation"].skew())#偏度  
2 J, e) V( b. N% m, ~, o4 Isns.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
: ~% ]- A# b# B& c1 O
* ]" J2 o! E9 n& O3 r9 ~

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)
  ^% O5 H9 F' ?3 L" V8 z7 U% y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）
    h' R& R8 r; G+ ^' B" W

查看数据集的偏度：

data.skew()

AQI                        1.198754
% d7 o5 o! ?* ^# B; FPrecipitation              0.273608
GDP                        3.761428
Temperature               -0.597343
Longitude                 -1.407505
: i+ D. B( N" R: f* p% gLatitude                   0.253563
Altitude                   3.067242
PopulationDensity          3.125853
5 Q2 ?: z( k+ }/ H9 {1 {! {, [GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
! o# v% ]  D3 S) D  W, F/ @, A* K' wdtype: float64
* d- P: w* F2 O" x" c+ V

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()
lower, upper = mean - 3 * std, mean + 3 * std

print("均值：", mean)
" X, _( Z) y6 h  |# `0 Iprint("标准差：", std)
8 u6 L/ s$ @2 x9 Q, L+ b5 Rprint("下限：", lower)
  F; {8 v6 j; d0 R  p6 N+ Rprint("上限：", upper)
7 N5 E$ J5 F, V/ g, @- h' e, {" ^data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

均值： 2390.901815384616
标准差： 3254.876921271434
! C, O9 r9 N8 x" a: D% w3 P- G下限： -7373.728948429687
1 {; W! W0 T5 s9 D& g上限： 12155.532579198918
16     22968.60
63     18100.41
202    24964.99
% ?. P  s: G+ a& t, v5 v) p207    17502.99
$ s  j5 A1 `3 D% ]" D; k215    14504.07
230    16538.19
256    17900.00
314    15719.72
" Y0 h( P" |6 i) L2 CName: GDP, dtype: float64
+ b( H( ?6 b; B% T  }: i0 v
& x  |" E9 q6 d$ {" }0 R- }# U
1 u5 ]: Q  {) ^2 ]7 B

+ g# S2 k* I# `& L; w
) G8 }* t! n$ n( B5 A4 R9 {

sjlxdn

11111111111111111111