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。
8 ^8 M2 E  S: J) _本文的分析目标是：
9 H0 D7 }: s2 w  I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
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
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
" X& w! S( m  [, @. fsns.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()

# l* o1 K% M0 d0 m; x/ {+ O数据集描述：

1 v4 ~6 u: G8 R6 C% C. x3 q$ JCity：城市名
1 _8 _; k# d3 g& R! V6 a, S1 [
6 @- U; b$ C9 p0 Q0 GAQI：空气质量指数
8 ]! x2 ~* I, L! C9 k, ]- C+ D8 x
Precipitation：降雨量
. r! o: I! a9 b
6 ]! \  ?# k8 Y& J8 aGDP：人均生产总值

- Y. Q2 B' \/ K' |4 B+ ^% U! |5 CTempearture：温度

* u4 h/ l' b: X0 {! CLongitude/Latitude：经/纬度

Altitude：海拔高度
$ {* s: ~" b9 T* P& ^
PopulationDensity：人口密度

$ F$ T6 F8 i6 _- sCoastal：是否沿海
+ M+ L. \0 `% Z6 H7 v6 d0 l
GreenCoverageRate：绿化覆盖率
/ w5 i. j4 [7 e- |
# F. u0 h7 H( J" MIncineration(10,000ton)：焚烧量（w吨）

数据清洗
- a) S$ Z( Z0 h' f检查缺失值：
7 ~7 D+ a6 D* `- D- j: e1 [1 t数据集描述：

City：城市名
8 h) {$ I5 ~* L' O
AQI：空气质量指数

; a0 v7 v. @; G* ~$ w6 uPrecipitation：降雨量
% i2 ?# l8 B8 d! |' j
( W% x& o- K2 K5 v6 i. HGDP：人均生产总值
! G4 ]& d* [& D0 B
Tempearture：温度

& Z; U2 ?' s, ILongitude/Latitude：经/纬度

* ~' F" G5 h# U$ ], lAltitude：海拔高度

# Y- @8 }& W* c- y8 i% f3 ZPopulationDensity：人口密度
6 `) P$ W4 U, L% }
- X! a3 [* [3 tCoastal：是否沿海
1 K4 O  I- b" S8 Q
GreenCoverageRate：绿化覆盖率

) o. w4 V9 ~& g& qIncineration(10,000ton)：焚烧量（w吨）

% x9 f  x, Y- D数据清洗
检查缺失值：
data.isnull().sum(axis=0)
# W) [5 B; X5 C- e7 H3 A
, W* r1 k3 W6 L6 ?( a% \
+ ]9 o4 j" K# u8 Y
. N& }2 w3 d6 Z5 g* k: f4 X5 F# j
( s+ y: `2 S4 N* S查看含缺失值列数据的分布：
#print(data["Precipitation"].skew())#偏度  
. M% e  X! I1 m! M3 T* vsns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
8 c  I- A* _9 T/ i# @: ]9 Jplt.title("分布密度图")
0.27360760671177387


' c7 X, K9 t, R
/ A6 Q* L7 Z$ a$ x

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)
; Z" b- _8 w6 U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）
  % C% U$ u! d' c3 z8 g

查看数据集的偏度：

6 j; K8 P( R' w1 U1 [data.skew()

# O5 d* v8 P2 z4 L% _" RAQI                        1.198754
  d7 f* V& n# d; xPrecipitation              0.273608
, W/ v" u  g1 y: r2 ~; UGDP                        3.761428
! I, C% h+ m4 Q% b! t9 iTemperature               -0.597343
Longitude                 -1.407505
Latitude                   0.253563
Altitude                   3.067242
PopulationDensity          3.125853
GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
dtype: float64
4 z0 Y. m. V! k0 r2 ~0 c; Z+ V
0 s& f/ T7 T2 i, X. ^, e

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()
+ [3 ]- [( a+ zlower, upper = mean - 3 * std, mean + 3 * std

print("均值：", mean)
print("标准差：", std)
4 g( X7 m: N( f, @6 p: |print("下限：", lower)
print("上限：", upper)
& C" d3 Q7 P. T$ `" {4 ddata.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

均值： 2390.901815384616
# i6 S1 Q- L7 \% y3 J4 H标准差： 3254.876921271434
) E. K7 O9 p: {/ K' }9 k下限： -7373.728948429687
上限： 12155.532579198918
16     22968.60
* w6 H$ G: p' e4 s" a( b4 I6 t63     18100.41
202    24964.99
207    17502.99
$ Y: j$ @* l5 o' Z+ L' O' p215    14504.07
230    16538.19
256    17900.00
314    15719.72
! L) m& b, q. }2 P5 XName: GDP, dtype: float64
' \6 F, Z4 f+ D% Q% W# H4 L3 G
1 p$ p7 s1 A9 J1 |$ w2 o3 b

sjlxdn

11111111111111111111