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。
& @. ~  [! M# S0 s* u0 v! J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
, k1 X* z  h% B& R* \空气质量主要受哪些因素的影响？四、区间估计
* z9 S. U" ~' L& y全国城市空气质量普遍处于哪种水平？五、统计建模
* p  z' x7 t' V# h& y7 S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
# ^- ^; V* W' g2 \9 g- Isns.set(style="darkgrid")plt.rcParams["font.family"] = "SimHei"plt.rcParams["axes.unicode_minus"] = False
) G8 l9 R, e! n  [. v' vdata = pd.read_csv("data/data.csv")print(data.shape)data.head()

数据集描述：

; S6 ~8 w, S+ D1 N  S! J. b& I2 x1 YCity：城市名
4 b( P/ {* C) Z
AQI：空气质量指数
. g2 k& A8 t$ F1 u( P
6 l. ?& K9 R) E' t/ k& FPrecipitation：降雨量

GDP：人均生产总值

Tempearture：温度

Longitude/Latitude：经/纬度
1 m$ s  s! t; }4 J. Z. U
/ f4 u/ B3 g; G- y$ ~& W3 sAltitude：海拔高度

9 y" O, M. \4 N' n1 |PopulationDensity：人口密度
- F# H  j% T7 M; V
) J" |6 x; C/ e) J4 V" lCoastal：是否沿海

, n$ ^8 b5 }' I) ]: _" ~GreenCoverageRate：绿化覆盖率
& ~4 a1 g6 r5 {8 r
Incineration(10,000ton)：焚烧量（w吨）

- U! M" s8 a) m1 B" m0 L3 c, J4 t: B数据清洗
检查缺失值：
数据集描述：
6 D, o. V/ H! U. u' ]% |0 D+ E; B7 S) H
City：城市名

0 M, @% q5 Q* k4 R9 c7 v0 K$ OAQI：空气质量指数

Precipitation：降雨量
. z8 {( e$ s5 `8 N# J( X
GDP：人均生产总值

Tempearture：温度

Longitude/Latitude：经/纬度

Altitude：海拔高度

# J4 ~; H$ ?! K1 m5 J+ A) P' EPopulationDensity：人口密度
$ P% [& P. n0 N( G, W" B
& |. K" d8 o: mCoastal：是否沿海

GreenCoverageRate：绿化覆盖率
' d$ V1 l3 v0 W4 k3 x
' D/ k: a! t3 K. ^/ _) {: Y' _0 lIncineration(10,000ton)：焚烧量（w吨）
/ X0 _3 N* H; Y6 W
数据清洗
检查缺失值：
+ w9 e& Z  a$ X3 v$ adata.isnull().sum(axis=0)


7 |8 s6 B% O% V6 ?: ^9 j

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
+ C- }6 j% b! Q- F9 Bplt.title("分布密度图")
8 b' A0 e" ~8 m/ x$ T0.27360760671177387
6 ~8 X) Y( i- R7 j

9 _6 o7 z0 a% ?5 c' V) D5 P0 w3 i
) J& k5 E% E6 I3 v

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)
  R8 x/ a/ }- S$ K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）
  

查看数据集的偏度：

data.skew()
1 a4 N8 U/ E8 ?, f5 G% x! x
AQI                        1.198754
8 k; p; s0 v& ^0 U: l3 KPrecipitation              0.273608
7 P; Q# L1 L8 z2 \& j/ }5 @' eGDP                        3.761428
Temperature               -0.597343
Longitude                 -1.407505
4 G9 B: Z9 q9 Q7 _. T6 u6 I" v# mLatitude                   0.253563
( R- `9 {* M+ r/ q' E, t  HAltitude                   3.067242
% `) _0 O/ L3 W$ h2 vPopulationDensity          3.125853
# j+ K) Y) _. FGreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
: U3 L, n# Q3 |! Xdtype: 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：

( m0 ^$ e" U, F, ?3 k/ E: Pmean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std
0 e1 I3 {1 l7 A4 r9 w: D
print("均值：", mean)
! p5 b. N  c6 Y) n- }0 @& [# tprint("标准差：", std)
8 D. B4 _/ q& a5 w0 [/ q( [7 Pprint("下限：", lower)
9 P$ N; E7 Q7 X- u. Aprint("上限：", upper)
  ~& G4 ~8 I, V* K) Cdata.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
* ?4 ~, |& d% ^3 K  `9 o9 _' I
均值： 2390.901815384616
  @# Y6 f9 n" o! a3 {" U标准差： 3254.876921271434
下限： -7373.728948429687
& t, P6 C+ P# Q- e上限： 12155.532579198918
16     22968.60
1 p9 T5 K% d6 A- J) x6 i& x8 `63     18100.41
202    24964.99
; C+ B5 m$ m/ X3 w+ ]7 [* T" I, A207    17502.99
215    14504.07
230    16538.19
: `0 W7 n9 p" y0 I/ z- B' L256    17900.00
$ ^0 J2 o/ j- T3 i314    15719.72
Name: GDP, dtype: float64



9 i! v/ M+ _% z3 E! v

" T5 F; L' T: p# M

sjlxdn

11111111111111111111