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：
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
' }1 ], \1 V1 ~: I' a$ L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
* u3 S$ u. A0 M- j4 h3 Jsns.set(style="darkgrid")plt.rcParams["font.family"] = "SimHei"plt.rcParams["axes.unicode_minus"] = False
  S$ D5 M+ e/ w; M) }: Ndata = pd.read_csv("data/data.csv")print(data.shape)data.head()
; L3 l- }1 a  I7 Q4 ~# R
数据集描述：
4 G. f0 U4 q+ i$ x
City：城市名
! p# e& x9 N" c* r6 z+ }
AQI：空气质量指数
( z- Y) `  [( Q( f$ Y% C
" a" x! C: w7 F" r4 v* {Precipitation：降雨量

, }# w: Y' N, @  G2 uGDP：人均生产总值
, W) X, Y+ [+ B5 n2 x: n& i( f' l; ]
Tempearture：温度

  p& v# c1 y  i, \; Z' u$ bLongitude/Latitude：经/纬度

. F# o0 f- A1 A6 {Altitude：海拔高度
% v. m3 ~: t4 \! J8 ^5 n
PopulationDensity：人口密度

Coastal：是否沿海
2 n( D/ ~, {4 |
# Q. l% Y+ l) ~+ R' z2 A1 qGreenCoverageRate：绿化覆盖率
) z4 z4 W' o  e% m/ r) W
Incineration(10,000ton)：焚烧量（w吨）
( N, a7 q( Z9 d: j$ |$ B4 Y
数据清洗
检查缺失值：
3 E; s! q; b) T+ w5 [* I( A& c数据集描述：

8 l1 d3 y4 V+ T4 J; dCity：城市名

8 z7 Z* Y+ y7 j' w- L# [" F# J- eAQI：空气质量指数
) |. f5 D2 u0 \, L# }: b: ~
6 r4 A) Z0 E& P( N: Z( MPrecipitation：降雨量

GDP：人均生产总值

: p. G8 o( S0 wTempearture：温度

" h8 _) y2 p. o! r# X$ @5 i" I- vLongitude/Latitude：经/纬度
6 o7 K8 b: j1 U2 Y; N
Altitude：海拔高度

% B% R" Q$ Q) W' |. x2 G! SPopulationDensity：人口密度
* Z' B' U+ v& @1 c" Y
Coastal：是否沿海

GreenCoverageRate：绿化覆盖率
$ @2 p! z- Q" \: V! C9 _
* H" Z' e: e2 W, WIncineration(10,000ton)：焚烧量（w吨）
  o( a$ f) J% {9 Y8 J
数据清洗
' [& N$ S7 y! U& ?2 H, [检查缺失值：
. A7 {% k' x9 B& o9 b" xdata.isnull().sum(axis=0)
) ?7 z  Y7 `2 q; T9 W



/ u- ?% i8 H. Y- U查看含缺失值列数据的分布：
$ t; \9 s  K) K7 `  C# J+ ?) i#print(data["Precipitation"].skew())#偏度  
sns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
2 u# ]% o$ R# W7 {( \) Eplt.title("分布密度图")
0.27360760671177387
9 {" c2 R% d* A: B4 ]
# D3 b; `/ A0 i- o) B8 U% D/ h

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）
  & T! @# G: q' K# [. B  F

查看数据集的偏度：

data.skew()

- k. `, ?% ]5 a4 `AQI                        1.198754
7 v! \4 p5 S, l3 nPrecipitation              0.273608
GDP                        3.761428
( K' Q" v0 w$ `* RTemperature               -0.597343
1 B; @0 N$ ?: F4 [5 C* \Longitude                 -1.407505
Latitude                   0.253563
Altitude                   3.067242
PopulationDensity          3.125853
! H- E- f% j1 w0 e5 vGreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
dtype: float64
+ \2 t2 V# \3 ~: T" \7 m$ H

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：

' T2 g$ R: O" y6 ]- O/ Wmean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std

  D8 Y  V# L6 `/ B/ r6 V. F& Aprint("均值：", mean)
print("标准差：", std)
+ L1 z* ~" e  {' Eprint("下限：", lower)
2 W; i; S- t" u2 Z) T, F+ G6 Kprint("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

均值： 2390.901815384616
标准差： 3254.876921271434
+ f( U7 L- R; \, ?: t, v3 P$ e下限： -7373.728948429687
% C, K: @. x' z9 }: s( u上限： 12155.532579198918
16     22968.60
# f' G7 l0 A1 w6 C& U63     18100.41
& H/ Q, F9 K6 i6 a) P& T; Y) d202    24964.99
; C# ]8 ]& o4 l8 U4 E207    17502.99
9 e( I/ Z; K. M6 O) ?- b215    14504.07
230    16538.19
; g# B4 }# {' `256    17900.00
* y6 I! ^( F( c* s  {) b9 Z( e1 L, ?314    15719.72
1 l3 l. d% b' ^! @5 c9 n3 N# p. BName: GDP, dtype: float64


' g/ L0 v1 S6 d1 o
% d* `; s9 J3 q# s  H1 @

sjlxdn

11111111111111111111