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 O' F/ E; Q, b) v( h5 n2 L$ ^4 l4 u! O本文的分析目标是：
一、描述性统计
1 ~$ F6 Z5 r7 f% B  i5 T* L  C/ 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
临海城市的空气质量是否优于内陆城市？三、相关系数分析
1 w: k  u; A8 o7 t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
5 R4 C8 R6 n  N& f+ }* I# L" 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
' q! x: [+ W% X8 ^) Sdata = pd.read_csv("data/data.csv")print(data.shape)data.head()

! b6 p) ^5 ~3 j3 t: b- j; U数据集描述：
% c) {; q' t6 h3 d' E# s  I
City：城市名
' c) u! n) A9 K, S
8 P+ S6 I' X4 K9 OAQI：空气质量指数
2 S! @" t$ W! R- d
Precipitation：降雨量
/ d4 g- [3 ^, f6 ^
GDP：人均生产总值
- P6 ~# U: S; \
# _+ K) Z/ F4 I$ @; @! N* STempearture：温度

Longitude/Latitude：经/纬度
( ^% ]( M+ w& O' t* z* q
Altitude：海拔高度

5 T' R3 @# ?* Z( q; c0 lPopulationDensity：人口密度

Coastal：是否沿海
8 L6 Q& U$ Q0 @( l$ z4 J9 i9 G1 V
3 W8 Q0 p7 q2 w% X6 BGreenCoverageRate：绿化覆盖率
; ^% a* z9 `, A8 j1 Y8 [: F- N, B
7 C+ s6 Y* B) ?2 E1 VIncineration(10,000ton)：焚烧量（w吨）

数据清洗
2 M$ |: |: q4 F% _# B2 X2 d检查缺失值：
数据集描述：
. i. ]0 _5 D5 \( R
/ e9 ~0 ~6 q. _1 KCity：城市名

AQI：空气质量指数

, v0 ?- Q7 Z- t/ t* VPrecipitation：降雨量
3 y% x  A  r4 d
9 e. _0 R- g8 W3 s9 gGDP：人均生产总值

Tempearture：温度
& T- I+ `0 [$ B; L) L8 g
Longitude/Latitude：经/纬度

Altitude：海拔高度

5 y5 r; {' c8 A1 a: x, bPopulationDensity：人口密度
) l- X% x* o" Y6 n3 x- U
2 g, l5 x& Q. [0 J. z% ]- fCoastal：是否沿海

GreenCoverageRate：绿化覆盖率
" I/ {, n$ f3 J7 T
5 L5 n* r2 R0 _1 E6 q- g4 P4 O# @Incineration(10,000ton)：焚烧量（w吨）

数据清洗
* \0 b2 P2 i  U1 b4 Y检查缺失值：
" G! v, P! e. j0 ldata.isnull().sum(axis=0)



# r1 s* X) `. O! `' V- ^
  U( J, H1 e6 b+ ^% l  s7 m8 k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
plt.title("分布密度图")
+ ~% ]9 i9 j5 G; `! n6 t( G( Q0.27360760671177387

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)
) ]5 ?6 H. [" i  G# w% H) D+ v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）
  # M" F( Q4 c( ]! n

查看数据集的偏度：

" W3 c( g/ T, f0 d  ^8 B7 H: _data.skew()
9 W- `" T  g7 v2 f1 q
" L) H' }3 T* Z- C6 K! GAQI                        1.198754
" v, Q1 y! z2 l" `- F3 B6 WPrecipitation              0.273608
GDP                        3.761428
2 w  k! m/ j% L1 y' @1 \  CTemperature               -0.597343
Longitude                 -1.407505
% d- g  h: a/ W0 Y! WLatitude                   0.253563
Altitude                   3.067242
PopulationDensity          3.125853
GreenCoverageRate         -0.381786
- e" t( x& z; h3 F7 u% zIncineration(10,000ton)    4.342614
' E* j, w' T2 Fdtype: float64
# ]) V3 `3 |$ c) k1 p

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
6 [) T  t8 ]7 a# r9 A/ @
print("均值：", mean)
$ S+ y# @1 U/ t0 N; |. U& _9 S" _print("标准差：", std)
print("下限：", lower)
& ?( s2 c- L3 _  A) t0 Iprint("上限：", upper)
( ^) ~$ W" O# k3 M$ P! w4 qdata.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

0 w, {2 ~! `2 p  G8 q9 K, U均值： 2390.901815384616
标准差： 3254.876921271434
; r8 n5 F4 b2 t  j! b7 ]. A下限： -7373.728948429687
上限： 12155.532579198918
$ {% i. J3 M/ J' n" d16     22968.60
63     18100.41
7 @: o4 @# G3 R9 K8 P" [* k7 l202    24964.99
  w' B. J/ k  X1 z& K207    17502.99
& z' Y) |8 ~9 `2 L  f) p) b. t( l215    14504.07
) u% Y; Z* d3 z, F# `, I5 T230    16538.19
8 `0 u+ _* z3 O- w( d3 y256    17900.00
1 F. ?! w+ ~* x& k) g* f" w314    15719.72
% Y0 X, {3 k2 z5 N% a) N3 ?Name: GDP, dtype: float64
( y4 `: S" Q0 L! h( n

sjlxdn

11111111111111111111