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。
' j5 [, a1 V2 k- D本文的分析目标是：
一、描述性统计
( ]0 ]& \1 H! w4 H( t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
% q6 P8 w" z: _临海城市的空气质量是否优于内陆城市？三、相关系数分析
) X+ i) b3 @, B% C! M空气质量主要受哪些因素的影响？四、区间估计
# `; L. i+ @, k3 X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
9 n" D" E( x1 Z0 Q; J% F& t* J& }: `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()
; c9 `: h& p, o, l# r
) ]1 L3 h+ ~& K$ E, @数据集描述：
- R! H8 q* ^) A  Q+ S4 ]/ }
City：城市名
& U9 m. N6 {1 ?9 U$ a' d# x
; _" p2 n8 v. I& \! a" l5 UAQI：空气质量指数
" \9 z6 A/ U& X/ f+ P. [
5 H8 c4 l; A0 hPrecipitation：降雨量

* n/ O, J$ M# _6 UGDP：人均生产总值

3 J  Q9 t6 k) S+ \& ]# I! FTempearture：温度

Longitude/Latitude：经/纬度
5 K, v% @9 H  c  E
+ d2 T$ n' l" n7 K' zAltitude：海拔高度
2 y" m+ Z  V, _
% R; r+ ]& h( d5 c& n' @; wPopulationDensity：人口密度

Coastal：是否沿海

GreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）
+ `$ V1 }$ p6 b5 {, i5 V  S
7 N9 u3 Z  a, w4 o; `数据清洗
检查缺失值：
; h) `4 D# E* R6 Y) \数据集描述：

, h. ^6 n3 Z* A! p, r  UCity：城市名
( \4 n% y/ N  r2 Y
0 _  G& P2 e+ v' FAQI：空气质量指数

: r9 M+ s8 i& n1 KPrecipitation：降雨量

& S' i1 w" O! q: D2 u0 \# SGDP：人均生产总值

9 U, F" _9 `- Z* d3 m7 p# QTempearture：温度
  S3 v% E# m; ?) t: y
Longitude/Latitude：经/纬度
. [- T5 u9 I% z3 C0 \
, ]" ^: o+ R' W8 k2 Z' t4 O' {Altitude：海拔高度
: p/ t2 H  }2 B* \
PopulationDensity：人口密度

Coastal：是否沿海
1 }( n$ N/ S" _) k1 d
GreenCoverageRate：绿化覆盖率
( K' [+ P# l+ {) a
0 z, }# X4 m' R* z# z$ @7 b1 C+ P: CIncineration(10,000ton)：焚烧量（w吨）

数据清洗
8 u2 g* m0 r$ z, c" ~检查缺失值：
data.isnull().sum(axis=0)

' C! L% _6 m7 [4 O! j7 M# @

; q  L  E# ]/ e; w# y/ ]( @
查看含缺失值列数据的分布：
& [) t, [- ?/ Q. A  c7 _#print(data["Precipitation"].skew())#偏度  
sns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
) J% e* O7 s$ P7 F# J" Uplt.title("分布密度图")
0.27360760671177387
4 v' o! a) p) }6 L- q5 [. Z


5 {: R, s7 L' _& `  G# c- o

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)
1 S2 ~% b! V4 m* I2 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）
  ' {" Q3 @( \- ^8 A

查看数据集的偏度：

! w  C6 M2 z  N$ |data.skew()

AQI                        1.198754
0 n# u, Q- B9 T- ]5 _Precipitation              0.273608
- y+ M. a4 x) q( w, @GDP                        3.761428
: F; r+ j, V( D& ETemperature               -0.597343
6 u5 A6 O7 a" U# A6 e. sLongitude                 -1.407505
Latitude                   0.253563
( `1 Y) K( f3 E" ?Altitude                   3.067242
PopulationDensity          3.125853
4 g. l: \: d" }  U' x6 w9 _6 @GreenCoverageRate         -0.381786
  W1 U2 g5 C5 M1 g$ V: x; ]  @Incineration(10,000ton)    4.342614
dtype: float64
6 b) `( I9 s+ a  _& w5 _' g' Q
4 p1 t2 [, C% E# R% m

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：

2 F+ o3 l4 X7 o6 c/ _mean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std
; Z6 |0 j$ _0 k1 _- L
6 j/ q1 t% U# B; E0 _8 z0 O" rprint("均值：", mean)
print("标准差：", std)
6 v6 j' w2 N( y1 pprint("下限：", lower)
( @+ F8 ~( T" P% kprint("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
+ {5 ^6 h) G8 h- g. G
均值： 2390.901815384616
标准差： 3254.876921271434
' [8 S& ?$ x8 \$ i7 D# f下限： -7373.728948429687
6 _6 T' F. [& u5 j7 v上限： 12155.532579198918
16     22968.60
63     18100.41
202    24964.99
' S3 h# E; x% P5 U' S; I207    17502.99
; }9 p2 w% @, W3 J) u# T215    14504.07
# R- Y+ `1 P* m8 N! K: R230    16538.19
256    17900.00
314    15719.72
Name: GDP, dtype: float64


& i# ~- H: ]4 G1 n7 @, n
/ e: O) N& i8 @0 z: T

  a# `5 ?. s; }# a4 G

sjlxdn

11111111111111111111
+ d* B6 Y2 K& }4 j/ W0 J