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。
0 @1 A6 T9 s3 L* B7 A' ]7 F本文的分析目标是：
1 d# ~3 z8 `; }0 a一、描述性统计
" r/ y% R0 A; g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
& K% k) O, G! ~) s& ?' a1 c5 O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
) B  h" K' l, @( F- X7 G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()
' A& [- C  I4 V7 f3 }5 R  f5 [
) P$ [3 H/ ]4 O5 n+ W" u数据集描述：

6 B" @9 ]: t! z7 |  ?City：城市名
. N8 \& b5 n* ~) w; Q9 s0 @
1 u4 H! F# |: R, r: d& HAQI：空气质量指数

: ?: ~0 G( |1 `! nPrecipitation：降雨量

. r( C5 M) B+ b; B: f4 wGDP：人均生产总值
. ]8 {; W* S  k/ W% }5 K: M
/ U2 c0 C- C4 u" W5 k# [' A. nTempearture：温度
: m+ T  U9 x! {; @! t
. `9 |1 r+ U+ ^( \) NLongitude/Latitude：经/纬度
8 E! U9 j' b1 N
Altitude：海拔高度
( p9 R! r) J& Y9 o' {
PopulationDensity：人口密度
5 B. }, _) d( O/ {' ~" X* J
Coastal：是否沿海

GreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）
# Q) V1 g( S6 i# P* w
% C' S% f  m3 t7 u数据清洗
检查缺失值：
数据集描述：
; h- R# W! U- ?  h" L
; O# `- c% y5 R: L' k" |# |& w9 zCity：城市名

AQI：空气质量指数

Precipitation：降雨量
# N8 b3 |9 r/ W/ H4 i8 c
GDP：人均生产总值

Tempearture：温度

) U- F1 \, X2 `Longitude/Latitude：经/纬度
+ @6 n) ]% R: E- A
+ L9 j! o7 |8 q6 {* U$ q  y- pAltitude：海拔高度
4 t6 I/ y1 M5 e( Q$ e
' I! _* j+ x6 b4 n8 dPopulationDensity：人口密度
. n; e, D5 E' t) s& L
Coastal：是否沿海
1 C# i% u' j8 n0 s6 C
' f. [/ D' `$ wGreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）

3 o  L7 d1 K! B5 f% I4 i0 U数据清洗
检查缺失值：
4 f" z9 r# r2 u% |7 P/ g7 t3 V& |) Qdata.isnull().sum(axis=0)

( E3 [% {! C$ |1 r
. J7 r3 c9 @$ K  L* E7 r
9 ?& R4 \" B- ?4 E8 N. p. {
( j2 _/ w" J# }查看含缺失值列数据的分布：
2 _. W2 y/ P% B4 v6 h#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


6 s! M4 \  z4 C3 I, y" f+ ^$ m

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）
  8 w% c7 P( k4 V. A. o

查看数据集的偏度：

data.skew()

1 c5 y( N5 Q! [6 E+ UAQI                        1.198754
Precipitation              0.273608
1 c# D) X4 t9 cGDP                        3.761428
1 f$ T' r, w0 y1 j& ~Temperature               -0.597343
1 }0 C- t+ n. e9 I7 B0 hLongitude                 -1.407505
Latitude                   0.253563
- ]- f1 i9 C# }- B' N; f- aAltitude                   3.067242
8 ?. f5 ?- l2 I- G3 APopulationDensity          3.125853
* m4 F. K! u7 O: zGreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
* A8 Z3 U: j7 ?1 M9 ^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：

mean, std = data.GDP.mean(), data.GDP.std()
5 s" C  n, ~( h' m' ~2 I+ Jlower, upper = mean - 3 * std, mean + 3 * std

5 M9 A! G, e' T$ q# e% cprint("均值：", mean)
9 a) J8 S7 t& j9 pprint("标准差：", std)
print("下限：", lower)
print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

均值： 2390.901815384616
4 R& a# X7 D. U9 Y* ?' @) L标准差： 3254.876921271434
下限： -7373.728948429687
& T" U, e( |7 q0 ]; X) b  T上限： 12155.532579198918
16     22968.60
63     18100.41
( A+ n. {8 t  M& U, s8 ~202    24964.99
% V# w- w5 L: {# e0 Q207    17502.99
215    14504.07
230    16538.19
6 {# ^6 v. S6 o7 ]0 ?! x1 g256    17900.00
, d; X0 ]- }  t4 y314    15719.72
' q1 u" u) f& [# DName: GDP, dtype: float64
: n2 V/ x) `! M* Q" @8 e
. v2 V- W& J3 `

7 d% f9 E/ k. P# J6 V* g# w
! a. I8 V# d- ^2 u1 w/ X1 N
# g3 w& @: `# y9 U5 s

sjlxdn

11111111111111111111