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。
2 c- O9 K0 I5 y3 \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
; d; H8 Z8 |& `$ F. R临海城市的空气质量是否优于内陆城市？三、相关系数分析
, l( B1 X. t4 V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
8 @, A* C# @+ `8 a- \sns.set(style="darkgrid")plt.rcParams["font.family"] = "SimHei"plt.rcParams["axes.unicode_minus"] = False
: x7 \% t3 ~8 ~data = pd.read_csv("data/data.csv")print(data.shape)data.head()
7 w' |$ d  N, [8 V" `6 @# K
数据集描述：
, C& o' u3 S& u  K
City：城市名
% t' k5 y0 w8 U" q6 ?6 l/ P
( @% m- y/ [% r, i( o6 T$ TAQI：空气质量指数

/ t" z0 A* Q% t7 z" b- gPrecipitation：降雨量

GDP：人均生产总值

; g% N! C! K$ s! p; B: {Tempearture：温度

Longitude/Latitude：经/纬度
( a' m7 V0 W# L
Altitude：海拔高度

PopulationDensity：人口密度
7 a' w6 l. A* }2 {+ q
: l; S' z' [9 P% }( Y! ICoastal：是否沿海
: S9 N7 c6 S, \1 n* |; a$ T7 O
GreenCoverageRate：绿化覆盖率
4 c. m6 k  L' c' u2 Y
4 ?" {1 _/ N* i2 iIncineration(10,000ton)：焚烧量（w吨）

数据清洗
: N" |2 M$ V' M( r% V; M0 g检查缺失值：
数据集描述：
6 t* K( o& S$ _  b3 q3 P
% z: U! K+ v2 @City：城市名

AQI：空气质量指数

1 L- m% D& r  L4 _/ A( J$ P* CPrecipitation：降雨量

GDP：人均生产总值
2 a  _1 J5 `" t) _
Tempearture：温度

* X4 l* W5 `, @  _9 H* R3 TLongitude/Latitude：经/纬度
; l" y% h7 X: L8 w! x1 q0 w
! Q, d# V, b$ h+ }/ F$ ?Altitude：海拔高度
4 N( s# I; ^( e/ I. }) `
# |2 K; z' Y# U/ p/ s% K/ ~# gPopulationDensity：人口密度
- I1 g& _1 U# Y. V8 P
Coastal：是否沿海

GreenCoverageRate：绿化覆盖率
3 D6 I2 X+ s( F7 M: c& z0 C' g+ ^
5 I  h- Q: S% e/ k3 w" IIncineration(10,000ton)：焚烧量（w吨）
" ]; Z$ S# M+ H2 a& t, T0 F
2 ^0 g5 E* g2 z数据清洗
4 H1 v7 |: x! e, u# V' I, I9 d" A检查缺失值：
data.isnull().sum(axis=0)
' O- u, A% Y2 p

: O  a% A2 e- Y, k$ z# R& A
! N1 u- M1 R( ^) \
: ~1 B- Q1 {3 _( X0 G$ y查看含缺失值列数据的分布：
- K' s. d/ W, U: y# M0 ^#print(data["Precipitation"].skew())#偏度  
sns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
1 g; A; R( {" s5 w% g. x! Dplt.title("分布密度图")
0.27360760671177387



/ ?: P8 a) m7 S

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)
8 {9 n& c  A6 R& \  C5 p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()
9 ?( I' ~9 D4 w; z; o  u
AQI                        1.198754
/ d( K- U  z' _+ j0 J( J6 sPrecipitation              0.273608
; [3 Z/ _% A# ^" s& fGDP                        3.761428
. _5 S+ g  Q6 ]3 S4 rTemperature               -0.597343
Longitude                 -1.407505
Latitude                   0.253563
1 ]9 q! S6 s  U  }Altitude                   3.067242
9 p; C0 U. z# y5 ~/ LPopulationDensity          3.125853
GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
: D! e4 P1 J8 f% r0 \6 U3 udtype: float64
1 |, ?, S. ^  [0 N) u
! k) M" W) E) d

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()
$ L" \( ^- l: B9 V1 a& hlower, upper = mean - 3 * std, mean + 3 * std

print("均值：", mean)
" X+ Y* o( D% j1 [# Fprint("标准差：", std)
print("下限：", lower)
% X( F6 b0 [: X9 k* C) f" jprint("上限：", upper)
4 a4 K* W6 v* ^0 j" {5 P1 u: j7 J& d/ pdata.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

) E9 ^  A9 D9 F* Z" G均值： 2390.901815384616
9 b" C9 R  P1 e标准差： 3254.876921271434
4 e/ g; h0 e4 b0 h4 E% E下限： -7373.728948429687
; u/ ]2 v( D% F/ d上限： 12155.532579198918
9 ?  B( O6 i9 [& S' Q+ e16     22968.60
63     18100.41
8 q& T+ k5 q* d; U202    24964.99
207    17502.99
0 Q7 |* }6 }9 l& L215    14504.07
+ ~- J" |4 V/ D1 {: Z( X230    16538.19
9 u% U5 O% T" ~; ]256    17900.00
314    15719.72
Name: GDP, dtype: float64
. `* ]0 ^2 S6 a

sjlxdn

11111111111111111111