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。
% ?5 P5 M& q* l8 \9 w本文的分析目标是：
5 d- o. S4 Z' s2 |8 i& d4 @' O- |5 P, X) M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
/ K% b6 }. a; F  |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
5 m+ b8 s* a: K, [* `全国城市空气质量普遍处于哪种水平？五、统计建模
3 J0 X( Z* O8 h) Z. p2 j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()

4 C" Q" ?4 k( \- t数据集描述：
$ Z$ g7 a7 x% v8 A+ a
. c2 i1 z+ {7 }/ U$ sCity：城市名

5 a0 I0 H2 X1 j" i  hAQI：空气质量指数

Precipitation：降雨量
& T: Z* d4 e( ?4 x# i9 W9 b
/ Z$ C+ s0 \8 JGDP：人均生产总值

Tempearture：温度
+ N1 Y! y) i) t: y: K
Longitude/Latitude：经/纬度

* s9 d: x" C$ H" VAltitude：海拔高度

PopulationDensity：人口密度
* T! v4 h) `! d1 r, u. ^. G
! `  O1 k% Z$ ?9 yCoastal：是否沿海

GreenCoverageRate：绿化覆盖率
* ~/ z7 R3 z1 i1 B: P
+ e. K% U6 d5 P$ M1 n) m9 BIncineration(10,000ton)：焚烧量（w吨）

, k6 V3 a; [# L# d4 Y+ e4 i3 H数据清洗
# Q6 A1 A2 P0 }: X& W# ?: s! j7 h检查缺失值：
数据集描述：

City：城市名

# x. G4 T& Z9 d, Z! @$ G2 @0 SAQI：空气质量指数
6 s. n4 g3 ^: L& Z3 g
! U( ]; J8 e/ z, \# S2 D4 W( _Precipitation：降雨量

0 U* D8 I  @" h7 @: jGDP：人均生产总值

" L; R' o1 E. c  R* e8 uTempearture：温度

Longitude/Latitude：经/纬度

Altitude：海拔高度

PopulationDensity：人口密度
6 e& ]; X* l7 h, t# b
3 O1 `: P, V6 t0 a, ^0 T1 y$ p! ~Coastal：是否沿海
1 j9 V. z& k$ O$ T! W+ k! L+ `7 q
GreenCoverageRate：绿化覆盖率
' |. ?4 u; x6 R' U# R" J! l/ r
Incineration(10,000ton)：焚烧量（w吨）
( }. I! H" V) _
数据清洗
4 L( T2 s# g1 {* `& u5 }检查缺失值：
$ _) C! \) u0 r' i1 ~data.isnull().sum(axis=0)
8 y" R7 u7 U, i- }4 Q1 b5 w
; q" Q! E* x; k& `* z. }
* A1 H" h) U' T1 ?. i3 a+ ]
% K( T  D& o9 Q' j
" a6 _1 C% t) v) \/ G* O查看含缺失值列数据的分布：
! n3 C6 {* J- W( c3 p/ Q#print(data["Precipitation"].skew())#偏度  
1 G: N9 W  T2 I1 F6 asns.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
0 R; d; Z% A. i3 I. F% f$ V

7 M3 O  f# Q: D7 O5 o) ~
) ]% z2 @( w+ x/ w8 E

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)
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()
# ^1 Y9 p: v6 Q  m& x2 Y7 j9 o6 e
& w1 t) p- e7 y- V1 E2 G9 _AQI                        1.198754
2 D* E* c$ W9 @# c' M% @/ WPrecipitation              0.273608
# z- o0 G( y9 }8 j1 l) @/ M9 |, rGDP                        3.761428
9 }- R( ?" b( t- [Temperature               -0.597343
Longitude                 -1.407505
/ c3 d' ?! X; U1 Y$ e$ V) Z# P! fLatitude                   0.253563
. U3 j9 p& w- R" }3 B6 HAltitude                   3.067242
6 G' a8 H) ^8 n4 ]/ H9 J% ]PopulationDensity          3.125853
GreenCoverageRate         -0.381786
5 q2 D5 N$ G/ f' U: HIncineration(10,000ton)    4.342614
dtype: float64

! ~( S# ]9 j2 Q

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：

+ b2 V5 V$ o' E. W, i2 Ymean, std = data.GDP.mean(), data.GDP.std()
8 F9 A5 _* p, ~6 T& b+ k3 qlower, upper = mean - 3 * std, mean + 3 * std
7 n. t4 q% F) `% ?% P
. C7 n7 d4 d1 |7 }5 \! bprint("均值：", mean)
print("标准差：", std)
print("下限：", lower)
1 Z4 c. ]+ K  {5 Qprint("上限：", upper)
/ r5 @  v0 l3 |& Ndata.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
- ]. B. B0 d7 b' n: u
/ w) v' M0 ?2 M! ]* N; X均值： 2390.901815384616
标准差： 3254.876921271434
下限： -7373.728948429687
2 P( m  N( ]. N* K上限： 12155.532579198918
# G7 j2 d& t- {# u# |) k16     22968.60
% w, O" U% g) s' D  w( O5 k63     18100.41
202    24964.99
207    17502.99
. V! |4 D$ R! d$ {215    14504.07
230    16538.19
256    17900.00
* [$ \% \0 Q  J% H0 ^3 q2 _314    15719.72
Name: GDP, dtype: float64
' S) n/ l) f! F2 M. s
( H* [7 D& c" Q
& X# h5 F2 V" H$ D
4 ?6 ]9 m7 L/ H( D: p9 y/ N; ?
6 x* S3 p% @4 e$ ?6 V

sjlxdn

11111111111111111111
  s8 e+ M/ t0 F- a