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。
3 i/ [5 w# Z4 w. G7 Y本文的分析目标是：
( n) B, l- x% z9 n' y" w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
; l0 \/ l: F9 q( Q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
sns.set(style="darkgrid")plt.rcParams["font.family"] = "SimHei"plt.rcParams["axes.unicode_minus"] = False
5 V. a- {. a4 }" s9 D3 J9 kdata = pd.read_csv("data/data.csv")print(data.shape)data.head()
% |. g  |# J7 E, S# ^( l
" T) G2 r3 M  o8 q, H, |数据集描述：

" u! f4 p" ^1 gCity：城市名

AQI：空气质量指数
% X2 G0 u# j9 k5 d5 m! f& t4 C5 C( P7 ?
! |& Y- Y) K% ]0 Y- k$ k: M  P, SPrecipitation：降雨量
7 }9 O- P8 E/ K% |8 |5 }4 O
* A1 _# q  Q3 L& e% oGDP：人均生产总值
/ x! P& F$ C: R# W6 u8 Y! q: C
8 ^" d9 F8 x" F7 v# ETempearture：温度
$ K, y4 Q  J. {. v% I& t' F; a
" j8 y$ p- o2 z6 BLongitude/Latitude：经/纬度

Altitude：海拔高度

2 d' \9 v" z! i+ bPopulationDensity：人口密度
; [9 C, O; E7 y9 n. a1 u; y
Coastal：是否沿海
, B) s8 G0 r) d3 V/ o
) i% E3 O1 e7 x; H, Q) K* BGreenCoverageRate：绿化覆盖率

8 B4 I0 E9 ?7 ^5 K* z/ UIncineration(10,000ton)：焚烧量（w吨）

数据清洗
检查缺失值：
; g4 F) m& X  R" Z1 f8 r3 M* E3 M& S数据集描述：

City：城市名
& l* H) E1 N9 }5 Y' t/ i  v
- Z5 n0 X! j3 l0 |0 P  ^3 ~# VAQI：空气质量指数
. y4 K# h; j8 @
, v& w" R* j) _! u4 IPrecipitation：降雨量
8 [) \/ Y0 V% D$ q! D9 \
3 \! [  ]. r5 t4 ?9 m6 oGDP：人均生产总值

Tempearture：温度
4 ~- C9 t! h9 d
+ J" J) [3 f. C" |Longitude/Latitude：经/纬度
# K" Q' f$ m% o
Altitude：海拔高度

PopulationDensity：人口密度

6 @/ c, f) m0 h, TCoastal：是否沿海

GreenCoverageRate：绿化覆盖率

$ h: i, {7 l0 k5 ~" _Incineration(10,000ton)：焚烧量（w吨）
3 u* k* @* C1 F& r
数据清洗
" Q7 `% H7 @. x% ~8 S+ I# y1 S9 W检查缺失值：
data.isnull().sum(axis=0)


/ A% W7 J/ e4 p, D
0 _2 y! C" z7 F2 Z
' q* X# h  @+ q" o/ L9 |2 N1 c查看含缺失值列数据的分布：
4 L8 T7 L0 f! s" e! m# E! g- ^#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

! E! x; M+ t# \
/ t& b4 y5 ]( {
2 h) O5 T1 W( ?% y# O' y2 _) k, G

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)
+ i1 A0 U' R& t3 t; K% f/ 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）
  $ f& g" z5 o7 ]+ F! h

查看数据集的偏度：

# [6 @; V7 B0 w8 @9 \% G( \data.skew()
7 g" d& l0 }% e
  \* t( b; Q1 ?0 oAQI                        1.198754
* Q( J/ e% P: y' }' fPrecipitation              0.273608
GDP                        3.761428
Temperature               -0.597343
+ U7 i6 d( O. n+ ^9 u% [8 i. d3 _Longitude                 -1.407505
* e: S5 J" \$ o! P: y8 F/ m0 n6 KLatitude                   0.253563
5 U# ]3 G( e  n( d( }Altitude                   3.067242
PopulationDensity          3.125853
$ F9 {( p; I, [$ |& S8 d: |# |GreenCoverageRate         -0.381786
4 W$ M( x+ y. }6 C0 W- |2 H* p8 ~Incineration(10,000ton)    4.342614
dtype: float64
  n1 N* x) @3 E
: F$ i8 A+ j+ ^

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()
lower, upper = mean - 3 * std, mean + 3 * std

0 N' |$ p$ S9 `4 x2 ~print("均值：", mean)
print("标准差：", std)
print("下限：", lower)
) J0 Z! \& |. `6 r3 z0 Qprint("上限：", upper)
) T, p' L2 k, {+ Odata.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]

均值： 2390.901815384616
标准差： 3254.876921271434
下限： -7373.728948429687
6 G0 ?& G) |( R: _- N上限： 12155.532579198918
+ B% L6 F' F, f& ?& Y16     22968.60
63     18100.41
202    24964.99
5 G, ]( D2 S, u$ d& Y9 D9 m' Q207    17502.99
215    14504.07
230    16538.19
6 G' e# T1 Y7 D( `' Q256    17900.00
, O: j' p$ _, P2 S# o/ e314    15719.72
Name: GDP, dtype: float64


7 I: ^' n7 N0 s+ r  L( e

sjlxdn

11111111111111111111
, y2 B% R( e. }5 c