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
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
' T" S2 j4 E2 x& ~, j0 g, i; [全国城市空气质量普遍处于哪种水平？五、统计建模
+ ]% |8 m' D  u- F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
data = pd.read_csv("data/data.csv")print(data.shape)data.head()
  {- l2 Y+ m' p8 p# k2 O5 |
9 ~3 U4 X8 [/ l+ }6 x数据集描述：
3 k' s9 e8 o* q, V
. l6 e$ g" [& B3 CCity：城市名
0 ]$ y+ O$ @. q* F/ l
5 U* i# N& N, O: H! W7 G( \. yAQI：空气质量指数

5 [) @$ w1 g/ @8 c+ N3 W6 p/ LPrecipitation：降雨量

GDP：人均生产总值

7 t- f! Y5 ^4 K7 g9 O; ETempearture：温度
' ]. n8 ^$ o/ i0 m: _8 q  y) \
Longitude/Latitude：经/纬度

6 e7 c# Z* W; r6 t% ?Altitude：海拔高度
" V( |! o3 `2 f
PopulationDensity：人口密度
( y0 v+ g/ r/ ~6 Y
Coastal：是否沿海

+ b; Y! Q) L% d; vGreenCoverageRate：绿化覆盖率

4 f% L! k7 J/ e, |Incineration(10,000ton)：焚烧量（w吨）

数据清洗
+ e+ p: `4 x7 v: Z/ e检查缺失值：
) [6 Z2 i7 a' q6 w数据集描述：

City：城市名

AQI：空气质量指数

Precipitation：降雨量
: G. K6 G% O7 u- C+ p1 T( z) n1 U
9 m2 F6 v2 u7 ~. w3 B1 BGDP：人均生产总值

Tempearture：温度

Longitude/Latitude：经/纬度
  X' {9 P2 f; O% D* J# v
# ^' a# _, U% [" J  Z- u0 ~( c! b* `Altitude：海拔高度
, T- H9 f. m  [2 T: Y% M
8 ~1 D' d2 w. Q; y% G/ MPopulationDensity：人口密度

7 e; p3 u; C- U) FCoastal：是否沿海
; n4 j4 i. m: ]4 Q( K
3 j( |- P' i1 c3 a+ F  \/ h$ \: Y4 g; }$ uGreenCoverageRate：绿化覆盖率
% u$ i2 G9 v6 _( \5 O* b
Incineration(10,000ton)：焚烧量（w吨）

" k! l! w0 b' B; h数据清洗
5 H. u5 p7 i! c检查缺失值：
+ O) h2 l3 v& P$ ], L% idata.isnull().sum(axis=0)
, i. V4 Y6 k& n: d/ g
. J7 O+ Z# `* a. G" R" m: o, u6 {


: W2 x! K4 r/ a* ^7 c8 t" b0 d% H5 j查看含缺失值列数据的分布：
#print(data["Precipitation"].skew())#偏度  
+ |7 o4 P/ s( l$ a- F! R# J0 Vsns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
$ K/ `& s, p/ \6 E' o3 X! {plt.title("分布密度图")
( ?' O! z* p3 U2 j& _0.27360760671177387
; y1 ~5 E7 ~4 j. U3 h+ _# S; B
+ C  u0 P: u# p% N: h
4 v1 h1 ~8 D  N  L0 `1 r9 o3 N/ G- V% \
5 H! O5 Z9 f  h+ K3 Y1 t

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)
! v: Y) t2 M+ b- D/ G  u5 b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）
  % v: }3 d, J$ T0 z) D4 V# ]0 j

查看数据集的偏度：

data.skew()

: @8 _# W" R. V* xAQI                        1.198754
Precipitation              0.273608
GDP                        3.761428
Temperature               -0.597343
Longitude                 -1.407505
2 V+ `  P' v# o7 P, V* G$ uLatitude                   0.253563
6 |% e& x1 J6 ~8 ~Altitude                   3.067242
$ I& b- n3 M5 wPopulationDensity          3.125853
GreenCoverageRate         -0.381786
( o" s4 m' {6 y: e$ r# I2 qIncineration(10,000ton)    4.342614
dtype: float64
* O5 `. |  C& B, c) m
3 e" M/ O' P4 [% _6 W

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：

' Y3 ^: `9 U# K2 ^mean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std
! Q; w) o' x% x. [$ |% I+ T9 q0 l
& {: t* I' }( Z3 jprint("均值：", mean)
print("标准差：", std)
9 ^/ w7 [9 D" _/ D4 Y# X6 v  R% Aprint("下限：", lower)
print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

  ^7 R1 Y* E- g; X0 u均值： 2390.901815384616
标准差： 3254.876921271434
" o: z: v5 M: m2 d9 F+ k( @8 q8 P下限： -7373.728948429687
7 M' x8 F* ]. L8 J* B- n上限： 12155.532579198918
0 F* w/ k8 N2 s16     22968.60
63     18100.41
202    24964.99
7 W$ A# W( T& D4 Y! y207    17502.99
& u/ ~9 w4 m2 X8 h  O215    14504.07
# Y3 E, g' O9 y4 f230    16538.19
256    17900.00
& v3 S  S( X: W" ?0 k4 \/ D314    15719.72
Name: GDP, dtype: float64

8 a! q) j0 o7 ^8 j7 B, [2 X, P

1 o9 i6 w2 J4 G7 v0 x9 M6 Q
/ y# m, |1 L. g0 g1 |
; D- f5 E$ s2 x" O  I; v) V; s

sjlxdn

11111111111111111111
1 w" M' N& s' `. z