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。
+ r8 R  h+ W6 }. h0 C* X2 G' L' @' C本文的分析目标是：
) r) X& O4 w, p' \, A) Y; f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
5 b, j4 V& |& l6 Z$ H8 `5 b4 a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, E+ v$ W' F- V- N8 C8 b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
* \4 l1 z; C, N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
7 T# U& R# L) U; I  H; O2 Vdata = pd.read_csv("data/data.csv")print(data.shape)data.head()
4 [5 Q4 v6 Z9 A
数据集描述：

City：城市名
6 b" Z+ ~. |5 O- K) _! B
AQI：空气质量指数

Precipitation：降雨量
% X, j1 i' _4 h# _! u2 X
/ ]$ f4 u9 O/ s6 F+ }GDP：人均生产总值

  p) e. {1 ]8 j1 t  I) p* k$ ^Tempearture：温度

' T/ b  S/ b2 c2 {0 R4 V$ ?6 f5 KLongitude/Latitude：经/纬度
* E4 S4 V2 z% l, p5 ~* ?
Altitude：海拔高度

PopulationDensity：人口密度
& X8 W6 o: X& }) K2 @8 b  f0 z
9 P8 c. l  z5 j! KCoastal：是否沿海

GreenCoverageRate：绿化覆盖率
4 l) O+ C9 t8 ^, u+ D; s" B3 y
Incineration(10,000ton)：焚烧量（w吨）

- X, p( E$ q' f4 _1 z数据清洗
2 q  ^+ O; x: n7 A2 S: ?- ]! M# v检查缺失值：
2 Z7 b8 t, t/ b5 q! H4 a数据集描述：

City：城市名

AQI：空气质量指数
$ [5 }; j: Z; f
7 T$ L1 t+ t/ B: ^, DPrecipitation：降雨量
4 y' p) p+ u" h2 q
GDP：人均生产总值
  q; I) I+ h& u, O, v+ P
Tempearture：温度

Longitude/Latitude：经/纬度

Altitude：海拔高度
9 Z: B# M0 k3 }
PopulationDensity：人口密度

Coastal：是否沿海
9 [* Q0 f3 [1 X8 x
* Q# F2 ~+ ]7 ]GreenCoverageRate：绿化覆盖率
  j+ m( L# f, _3 d/ J
6 J9 A- v! z! Q3 E4 y9 CIncineration(10,000ton)：焚烧量（w吨）

- b3 a9 \6 K, {4 L; m数据清洗
检查缺失值：
data.isnull().sum(axis=0)
+ B+ [/ h  G* v8 x. O' L: i6 y

) S  z- F6 w# H4 ?. e& t5 Y  f1 F# G

查看含缺失值列数据的分布：
( D8 f8 K9 F: i+ u3 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")
5 E: y2 N- ^% v: ^( w- d0.27360760671177387

1 b% Q6 X& ]) `
$ [) E9 y& N+ B. D1 y  X$ K
2 h' @& g6 T! B5 J' |

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）
  7 c9 h4 B( t0 @3 _, m

查看数据集的偏度：

- \  y1 s+ t* j1 U. Bdata.skew()
, g% B: O. J; O4 Z4 \1 K4 q
AQI                        1.198754
; v+ D/ J& u9 ^1 L+ [6 S' s" o. aPrecipitation              0.273608
1 n/ y: F8 \6 g7 V3 m/ b6 b" V" HGDP                        3.761428
/ W$ W9 m+ l% ]Temperature               -0.597343
; _4 ?1 H- a& ?8 s1 \Longitude                 -1.407505
5 M+ ^& |1 P: q* w! T4 B6 ~Latitude                   0.253563
+ U# A. d8 M3 m: W9 NAltitude                   3.067242
/ H4 ^" X" H( T' W+ _" `' T9 FPopulationDensity          3.125853
  V) n0 E/ L% t8 D) jGreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
2 Z3 R* c: r' Fdtype: float64
6 f% c9 ~$ N1 P
, b' D! J' I% v! o

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：

; l! B% \4 H) r. K( b9 Amean, std = data.GDP.mean(), data.GDP.std()
. @$ h/ l( D' F  m- q  {. Qlower, upper = mean - 3 * std, mean + 3 * std

/ V3 s6 b0 Z4 i, _1 [7 tprint("均值：", mean)
print("标准差：", std)
print("下限：", lower)
print("上限：", upper)
" |* L- `( L, q( w! Gdata.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

均值： 2390.901815384616
; [' u, {# ^. X# g5 {标准差： 3254.876921271434
下限： -7373.728948429687
3 ]8 ^3 F! V# Z$ P. o# q上限： 12155.532579198918
3 S, n9 y: Z- e' L16     22968.60
63     18100.41
  U4 `+ v: x5 x8 U6 m202    24964.99
207    17502.99
215    14504.07
1 g3 L4 k5 U+ W' `" b230    16538.19
256    17900.00
314    15719.72
Name: GDP, dtype: float64
' g  J. ^& G* ]2 i* [2 m
  j  G" ]% ^8 p9 B: l5 }
1 F5 y9 f" ^/ Q4 w
6 x! k( W6 z; b. I# t4 {( a' n

( B: I, J8 x( r( i- H' T

sjlxdn

11111111111111111111