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。
# r/ L2 E5 W. }! u0 h) j5 I本文的分析目标是：
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
  p9 Y# h8 ]- o$ g1 @8 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
6 J5 h( B' y% O7 F/ s: j1 E空气质量主要受哪些因素的影响？四、区间估计
. e( S8 L1 H+ m/ o全国城市空气质量普遍处于哪种水平？五、统计建模
. l6 U& u+ F& c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
- J/ l, L$ w8 }1 G5 V% Y% vsns.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()

& a- x2 g! c: g9 C( D# _; \5 D数据集描述：
& P8 I7 l. G0 P2 z  z9 s1 x
* a7 ?* R, \) ^+ QCity：城市名

; f) u- n- @5 i' IAQI：空气质量指数
8 i7 l9 y4 j3 H# R
Precipitation：降雨量

3 p, F- _0 o/ D5 o$ t$ NGDP：人均生产总值
- i4 i; \- {# @
3 s! L( q) F5 l$ X2 ^! y/ sTempearture：温度
  G, m. f# i; M% W8 H5 l
0 t( q2 j/ p: `1 [0 I2 d( P* FLongitude/Latitude：经/纬度

& f  [& O+ K9 @1 z" w# H5 eAltitude：海拔高度
/ E  M/ M  r! l3 u/ E
PopulationDensity：人口密度
  n% z. t. P  n4 l6 g8 F% f$ q
Coastal：是否沿海

3 Y! W/ M8 O9 m  f, n$ OGreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）
) T' y' O$ X5 B; H  h+ r
% C. X- r- [  t! l' ~0 O数据清洗
8 [# T- Y- X+ i3 v' D检查缺失值：
7 J% U# T; o  ^) ]数据集描述：

City：城市名

AQI：空气质量指数

% t4 t& x+ V) P9 I/ nPrecipitation：降雨量

GDP：人均生产总值
! q$ A$ V9 V+ {
1 D7 q, E& i9 x, Z- I/ yTempearture：温度
) z: }, |- Z; w6 h8 e  t% q& r3 w
; m/ r; I* B5 b+ O0 rLongitude/Latitude：经/纬度
; p+ o/ P, B1 G! a: J. a
- n/ V. E% u: O$ [4 Q& _Altitude：海拔高度

  l$ y/ H3 T1 J4 S, jPopulationDensity：人口密度

Coastal：是否沿海
$ i2 b! V6 E* T, S7 F- Q0 D0 F1 @  H
/ P! B; h" b! W/ H7 qGreenCoverageRate：绿化覆盖率

" W, W9 y6 X* [' o4 _Incineration(10,000ton)：焚烧量（w吨）
; |+ k. R' v" X. `/ i: ~9 c
数据清洗
检查缺失值：
# y% R& J$ {* q0 U# P" u: H& [data.isnull().sum(axis=0)
8 Q+ I8 L6 \* C% h# l, @+ j" G

: q. J- F8 ^- G& `
) }# _, j) w  f
查看含缺失值列数据的分布：
#print(data["Precipitation"].skew())#偏度  
$ m7 V$ W8 G  y) Q) q& _8 Psns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
plt.title("分布密度图")
( I  S. w& ~4 H7 C0.27360760671177387


2 K( y+ f8 K+ \* r8 w2 e' 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)
$ o: ?  ?: l8 e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）
  3 O$ J+ U# A( Y3 ^# o) f

查看数据集的偏度：

5 I. h) N, @5 m6 vdata.skew()
3 q' d0 ~2 Y1 B4 H. A
  p' H' }9 M9 O! s) k  VAQI                        1.198754
: y7 n" {2 A6 E) N; UPrecipitation              0.273608
GDP                        3.761428
Temperature               -0.597343
" y7 r6 K  U/ Y$ vLongitude                 -1.407505
Latitude                   0.253563
Altitude                   3.067242
PopulationDensity          3.125853
+ q8 m' m8 R& l2 q4 `: a/ M/ ^& @GreenCoverageRate         -0.381786
% P  v- W: l3 w/ W7 f9 f  h  xIncineration(10,000ton)    4.342614
& y! Z6 ~3 F9 ~$ d; a' |3 Z. ?dtype: float64
2 m9 D, g6 f7 w: t5 i
' F, X1 y1 p7 F; h9 x

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：

6 r9 x0 [1 {! o. X1 `mean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std
" G9 B7 c6 f) E6 {1 n0 K. r
5 M6 Y$ c8 [) R5 f$ c9 fprint("均值：", mean)
" u  g5 I8 L8 ~/ k1 Qprint("标准差：", std)
4 O. u% r% |- lprint("下限：", lower)
print("上限：", upper)
0 m1 ]& @& B- k( _- J( Udata.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

6 a2 [+ R; Q& C均值： 2390.901815384616
, m& z% Y% a: k5 r4 ~标准差： 3254.876921271434
下限： -7373.728948429687
上限： 12155.532579198918
- ^5 c5 h' b/ q5 r' F2 z16     22968.60
+ U# p- _" Q% H* Y: d1 H63     18100.41
202    24964.99
207    17502.99
215    14504.07
* u- O( q; D) T! I( u230    16538.19
256    17900.00
- f( _; q3 }2 H& U; S# Q314    15719.72
Name: GDP, dtype: float64

+ K/ p3 K; ^% H9 x4 ]

* B0 r! {5 C' s8 R# F+ A4 E
& O# C( E) }7 }0 X

sjlxdn

11111111111111111111
9 }. \5 I* m% H8 ~9 W