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：
) m; E; V- t8 Y$ Z  F3 @0 j一、描述性统计
  }" [3 R+ K( U" i' R* u" e3 A. Q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
% s( q6 }! q  R' a- W& B  u1 \空气质量主要受哪些因素的影响？四、区间估计
$ [/ a" [* A, e. J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 `  _- {" U2 {% U" B( @sns.set(style="darkgrid")plt.rcParams["font.family"] = "SimHei"plt.rcParams["axes.unicode_minus"] = False
! K! h# T7 h0 l" c! P8 Vdata = pd.read_csv("data/data.csv")print(data.shape)data.head()
5 U& a/ {* f7 r0 V9 r) T& ^
: e+ i$ }7 z4 v% m$ A数据集描述：

" V/ W$ n+ z# z4 n, SCity：城市名
( N$ t6 @% i+ y; c' I
AQI：空气质量指数

8 u3 ]7 Q; _! i  k; Y- JPrecipitation：降雨量
9 T8 w: O! M9 Z4 }5 T, Y7 l, T$ H
GDP：人均生产总值

Tempearture：温度

( k; Z$ \1 ]( }! ?Longitude/Latitude：经/纬度

8 w7 Y' X+ a) s4 n5 E" rAltitude：海拔高度

PopulationDensity：人口密度
" _3 E: A+ ]) F0 M
6 V. A9 j7 t9 Z+ l' u! G9 ]6 ^: fCoastal：是否沿海

7 t3 I' u8 i& H" fGreenCoverageRate：绿化覆盖率

+ C( j( D2 E) D3 H$ DIncineration(10,000ton)：焚烧量（w吨）
; b# S1 x2 X% c! O+ ^6 D2 w" b
数据清洗
" \# v; x6 \+ k7 D! T9 e, s检查缺失值：
数据集描述：

City：城市名

AQI：空气质量指数
0 ^" G9 A" n: i! U3 {
Precipitation：降雨量
9 M% _0 G( \5 ?# h9 q# z5 g+ j* U! E
- |, n2 e% ~8 yGDP：人均生产总值
- |" E( D. m. S7 d0 l
7 f/ u8 ]8 `- gTempearture：温度

( P9 b6 ^6 v. MLongitude/Latitude：经/纬度

3 o! s/ I0 V7 f9 DAltitude：海拔高度

PopulationDensity：人口密度

5 R) o4 Z4 r+ X1 z/ E2 ?( hCoastal：是否沿海

GreenCoverageRate：绿化覆盖率

7 p; C1 F( U. M$ F/ BIncineration(10,000ton)：焚烧量（w吨）

  L" u+ b: z3 ]0 j& s6 Y数据清洗
: a& d; G9 y- S9 O% ]检查缺失值：
data.isnull().sum(axis=0)
; L$ |; b+ `% y# A% v
  N7 H% L, c5 d. A  d8 p4 L: }

" R, A" `6 t) P& _
2 v2 [8 }3 R8 B) U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
: v) \0 F' b% Iplt.title("分布密度图")
0.27360760671177387
& y: ~& u5 P% Z4 B+ }7 [) w
8 Y1 Z& U! R+ z
/ i' l: x( M. [) 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）
  ; \* `; L: ?# |

查看数据集的偏度：

data.skew()

0 ~: F  ~. n' r% jAQI                        1.198754
Precipitation              0.273608
2 G- Y) e9 g! @6 aGDP                        3.761428
( a% e  Q1 E3 YTemperature               -0.597343
Longitude                 -1.407505
  Y; `% M3 C8 [Latitude                   0.253563
  f. ^) |8 Q6 N9 ZAltitude                   3.067242
9 e; s- `; p4 M( O) }PopulationDensity          3.125853
GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
dtype: float64
! r  O' B# c+ c2 S. ]" e( p. |
' |8 A' h# N4 l- i; A

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
/ X5 ?, j3 {/ T" X" u
print("均值：", mean)
6 h' M2 Y3 O8 s; L9 H; q2 b9 K9 r# Iprint("标准差：", std)
print("下限：", lower)
0 i8 M% M2 R$ V% b6 M* u4 mprint("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

均值： 2390.901815384616
标准差： 3254.876921271434
下限： -7373.728948429687
& W! C: [8 C+ K3 v+ J: M上限： 12155.532579198918
16     22968.60
63     18100.41
7 |5 s/ I( y* u( X5 P202    24964.99
207    17502.99
3 o' r8 t) P" u0 x, ]215    14504.07
$ a0 z+ ~) ^5 M230    16538.19
256    17900.00
) R0 `. j1 Y- S. w* f+ J314    15719.72
9 v: l- E) U6 f5 ~* f1 t$ J& kName: GDP, dtype: float64



" z$ h8 _& ?. B" u" s6 m' g

sjlxdn

11111111111111111111
2 E$ y3 \8 f4 Q. O  N