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
- @! h9 G/ Q+ |3 H4 f  V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
' y  |5 E# p& A2 _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
9 ~' `( r4 {) Msns.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()

  d& e1 N; s) {( @8 X7 t数据集描述：

3 c" y1 a* }" aCity：城市名

7 z+ m" h0 |+ Q7 A$ v- ~  ^, bAQI：空气质量指数
; c5 K1 k& a# H: r+ r- ]8 p: |: W
. d5 A: D- e! }8 oPrecipitation：降雨量
4 q8 F) V. ~0 K
GDP：人均生产总值

+ D% m3 U9 N4 k6 P8 q6 bTempearture：温度

6 r4 Y0 }/ d) D/ B8 U1 n: I- bLongitude/Latitude：经/纬度

( }$ d9 p8 ^/ \2 X. r9 S; G1 K5 sAltitude：海拔高度

3 [! ~4 w+ e- F+ O( }( IPopulationDensity：人口密度
8 j; f5 M& n1 H3 m$ |4 m8 N
+ O( F- _6 M! @4 q3 zCoastal：是否沿海
/ u7 w( D7 [, t
GreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）

0 M9 \4 j7 y' a' f" q& s数据清洗
检查缺失值：
数据集描述：

City：城市名

AQI：空气质量指数
4 R" {# u4 C8 a* {
6 q8 y5 S. R3 O2 ]# s( t" [Precipitation：降雨量
# |7 O+ _& S( `. c+ _
GDP：人均生产总值

Tempearture：温度

' a) W. m3 B- w* gLongitude/Latitude：经/纬度
! k/ i4 }2 g& {( Y# _6 ]- a/ G
Altitude：海拔高度
3 Y0 l& f; T" O. l) p9 |7 b/ [
PopulationDensity：人口密度

Coastal：是否沿海
% S/ k/ I! G* x. p1 p( ~  ~0 b
" D& M4 _4 J7 R% \; s1 Z/ \GreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）
  P5 V2 w( b5 S- x, P+ G$ g
数据清洗
检查缺失值：
. @% }" Y9 V0 L0 m; s) c2 ldata.isnull().sum(axis=0)


7 S! `" D6 t" ], T, K4 j% C* R
: l" }+ P" m6 X7 L8 T- L" [( R' L, M
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")
0.27360760671177387
7 p% i7 X$ B4 v% b1 \$ C

/ k1 [/ c& G) Q! O
: k. a+ o" `5 T5 \# B

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)
9 f( c/ |6 v) |* R: J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）
  ' Z! B3 ?- ?( v8 ]7 I7 j

查看数据集的偏度：

data.skew()

" r8 k# H! u/ R% eAQI                        1.198754
) {7 a! J6 J4 W/ VPrecipitation              0.273608
7 y- r$ y4 ]2 `8 |, y7 X9 k6 UGDP                        3.761428
Temperature               -0.597343
, l) B# x. S0 D0 V: M2 \Longitude                 -1.407505
Latitude                   0.253563
/ u* w( ?- Q, l+ H2 u( M1 }Altitude                   3.067242
PopulationDensity          3.125853
GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
6 f8 \2 _3 H0 B3 j1 ?+ \% `" i  \dtype: float64

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：

) K; f; F8 J9 @  k( ]mean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std

print("均值：", mean)
print("标准差：", std)
" E) u: @! Z! \* e% W. C" ]+ W( xprint("下限：", lower)
print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
  w4 I( i8 b) u( h* W' s
均值： 2390.901815384616
标准差： 3254.876921271434
下限： -7373.728948429687
上限： 12155.532579198918
/ v2 a0 D1 t7 n  H16     22968.60
63     18100.41
/ `- D, i* E: v3 u! K5 f202    24964.99
207    17502.99
# p" U7 B4 f- K) p215    14504.07
230    16538.19
256    17900.00
  z7 v0 I: Z7 L- |1 w5 ^" U314    15719.72
- T% Q* J) d# n8 U5 ?4 FName: GDP, dtype: float64



! u! l% D/ v. e1 y# K
# n' S/ z$ {/ M2 @% V

sjlxdn

11111111111111111111