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：
$ a9 Z9 s' P$ p: L8 R# h一、描述性统计
; v" L6 Q- M4 P( w5 O$ X/ |6 z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
空气质量主要受哪些因素的影响？四、区间估计
. Q" l( ]$ D1 m" ^  M- a: a全国城市空气质量普遍处于哪种水平？五、统计建模
7 Q0 O+ t6 a) v% Q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()

' |1 K/ p; y3 n+ |' X数据集描述：
" G* B5 [: _8 Q& ]
City：城市名
3 j2 A" W7 Y1 H
8 T0 Q* D+ x6 l& ^7 yAQI：空气质量指数

. s% s5 |2 c7 B( ?* lPrecipitation：降雨量

) R$ H, E# K8 w6 |" Q* U( u8 V: qGDP：人均生产总值

; S2 q1 K( z" U: pTempearture：温度

Longitude/Latitude：经/纬度

0 t5 `2 \. T+ u: t+ D# u7 Z$ D) eAltitude：海拔高度
* x( r7 b' f* ~3 I- ?7 C/ X
PopulationDensity：人口密度

Coastal：是否沿海

GreenCoverageRate：绿化覆盖率

. u) F, C0 F/ t& eIncineration(10,000ton)：焚烧量（w吨）
% N, p% N. `3 u& i: F
8 |& U) j2 ?7 z) {  W数据清洗
& A' A8 Z) R4 L: I. B8 D检查缺失值：
数据集描述：

City：城市名

AQI：空气质量指数

  T1 k0 F% K& M: j& MPrecipitation：降雨量
1 z% M/ V: ]. p, U2 K* |3 h  ?
" F6 t: L+ Z9 M& e$ X" t) h: ?GDP：人均生产总值
- N$ F$ t- s8 ?' |2 i
Tempearture：温度
4 I  \9 ]4 P4 L! g
Longitude/Latitude：经/纬度
: Z8 ~5 J4 P7 M2 c
Altitude：海拔高度

PopulationDensity：人口密度
1 b! |; V1 b' o' F3 j
$ s; g- }/ ]! K# ?: p& ~Coastal：是否沿海
+ o- x' W3 F0 V" k
GreenCoverageRate：绿化覆盖率
6 A" g* d9 L* F, g; F
, j) S9 B7 [. H4 ~* {Incineration(10,000ton)：焚烧量（w吨）

# W6 c. V) O, K' I数据清洗
% y- A9 `1 r4 y8 m+ u8 l  l检查缺失值：
0 K! u& g9 f1 r! Z8 Z. zdata.isnull().sum(axis=0)

+ R2 W4 a0 ~% Y0 g# k
0 ?( H, M4 l/ N4 R4 G2 b$ `

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
+ ?7 h0 N# d/ T7 J- a* U* y6 cplt.title("分布密度图")
  [5 _4 U/ l% N) `+ @# s0.27360760671177387
$ Y, m1 l; }5 S0 f* R2 |


& v6 ?3 ~4 Y  H0 D$ b# 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)
3 ]. s3 _/ T4 @: [8 `4 Q2 E  [- O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：

  T( t3 F: C0 G; Z9 Bdata.skew()
7 {4 i: J6 E0 E0 F. d0 l
0 H$ Z: d  T/ U: DAQI                        1.198754
Precipitation              0.273608
0 |/ e, N* Z3 f9 BGDP                        3.761428
Temperature               -0.597343
( A) T  s. ]7 M' t2 \Longitude                 -1.407505
4 X! E" E3 O2 ]Latitude                   0.253563
Altitude                   3.067242
9 M$ A: c6 Z: p3 D1 c% hPopulationDensity          3.125853
) K/ j6 s9 k5 R1 A5 k$ ]. RGreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
dtype: float64

- ]4 m9 e  Q9 n0 g& E3 \

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：

9 C- X( U! M: E7 [3 ?* dmean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std

print("均值：", mean)
$ F' A* g1 u  I) Hprint("标准差：", std)
9 L% K/ y6 p' R( v8 uprint("下限：", lower)
9 F0 X: H, M) S, m0 nprint("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
" y2 K3 h& c% N) b/ C" z% k
均值： 2390.901815384616
% R+ f7 h6 d0 ?" A! T! G标准差： 3254.876921271434
$ _: J8 m; i4 ]: }. b下限： -7373.728948429687
* }5 I" |( F' u# o3 ~$ @4 A) N上限： 12155.532579198918
16     22968.60
63     18100.41
202    24964.99
7 H! I) k) K. K% v: [5 ^: L! o207    17502.99
, ?- I" S; C( X  E215    14504.07
230    16538.19
256    17900.00
, Q5 W& ?0 b; [314    15719.72
Name: GDP, dtype: float64


! r7 ?7 T2 L. I+ v

3 ?: I. m. \6 w5 t! T7 J/ f

sjlxdn

11111111111111111111