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。
本文的分析目标是：
一、描述性统计
; h' u. X8 J( ~! 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
空气质量主要受哪些因素的影响？四、区间估计
& y+ j* m. J5 i! b0 x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
7 x$ x0 L( e( n7 Xsns.set(style="darkgrid")plt.rcParams["font.family"] = "SimHei"plt.rcParams["axes.unicode_minus"] = False
2 Q- {$ ~$ n6 @: hdata = pd.read_csv("data/data.csv")print(data.shape)data.head()
; h8 Y2 u9 L' j. o, H, I1 G% |
% g5 j3 t* ~8 ~6 }0 F8 }  o数据集描述：
0 Y8 l. I8 X5 `0 K" s
City：城市名
% ^6 W8 t  ]8 \. W
! X! ?- s, b, Z; [3 V$ iAQI：空气质量指数
' R7 l% Z: Z: d. I2 ?
, l% N/ G6 a  ]( a$ l- kPrecipitation：降雨量
) u1 L* |% H: Z' [
, O; A: F4 R2 |  t. Q; G7 wGDP：人均生产总值
$ S4 Z1 z" ^1 k) `
Tempearture：温度
. P) Q5 F8 d4 O( r7 [( E' c
Longitude/Latitude：经/纬度
( W$ s( ^/ R7 [8 w1 ]2 E4 i& q
& s9 f7 ~4 d* s  r; |. |3 r! XAltitude：海拔高度

PopulationDensity：人口密度
* A" A0 o/ [, o6 H$ [6 }
Coastal：是否沿海
, a7 z8 j. d1 f! R
5 s' e. q% x0 T0 wGreenCoverageRate：绿化覆盖率

  [* d5 Y# ^* Z9 q2 OIncineration(10,000ton)：焚烧量（w吨）

数据清洗
检查缺失值：
; V$ W6 L# H1 N3 t数据集描述：
* |, j4 x9 M0 N& F8 d
City：城市名

6 b, u3 o" x) k+ bAQI：空气质量指数
- R9 M  D* y& X. L' r4 H
Precipitation：降雨量
; c4 v+ ~: F. L- M
GDP：人均生产总值
) p8 K) R1 ~- V9 X! c7 u
- N; W2 s2 Q  M) G8 k% D0 |Tempearture：温度
" D. z+ ]% a* _; H: _1 r1 o
Longitude/Latitude：经/纬度
# m8 `. v# R$ q( G$ d' I5 I% b
Altitude：海拔高度
4 c. J% U. a% z2 T
PopulationDensity：人口密度

7 F# x. ?& K& m# wCoastal：是否沿海

GreenCoverageRate：绿化覆盖率

Incineration(10,000ton)：焚烧量（w吨）

数据清洗
检查缺失值：
4 A& h' F! Z4 S! l3 D0 xdata.isnull().sum(axis=0)

# F- Z# v  q1 @5 B( q- p


! D& M' l9 @1 w$ [查看含缺失值列数据的分布：
; i- }0 M: q$ q$ m: l#print(data["Precipitation"].skew())#偏度  
  f1 X: @8 M. J2 E0 M" N  L7 _$ r8 _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

; c1 M0 U* B3 r2 |) b% N1 I' G
' x' J, {! R; z$ z

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)
' \7 H3 H( c7 O( \: w( O+ x, A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：

3 w+ N+ m9 M$ y$ k- x& j: _data.skew()

  @( \4 P+ G; O% r% T& |3 ^AQI                        1.198754
# L6 m  i1 D% s/ \$ j3 jPrecipitation              0.273608
0 N  _9 _$ f9 _2 q9 WGDP                        3.761428
8 P) B( p) Y! P5 `5 j, v, MTemperature               -0.597343
! ?6 I# g4 r5 \, \Longitude                 -1.407505
0 n3 Z: r0 U& E4 }Latitude                   0.253563
% J0 D: j% @' @" ~7 \Altitude                   3.067242
PopulationDensity          3.125853
$ f6 L! [8 }9 [* Q' E% p; zGreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
dtype: float64
' Y( a  e1 G* r' k+ U+ m
8 v" h0 J3 B/ c) w" l

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：

2 A  l& j8 [" O: V; ]mean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std

print("均值：", mean)
print("标准差：", std)
print("下限：", lower)
6 G/ c6 s" y; B& b' Rprint("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
" @0 N6 ~  I8 R" n, t
均值： 2390.901815384616
3 j% p4 k1 u. @7 ?7 I! L+ ]- r标准差： 3254.876921271434
+ R7 j9 c6 e/ Y# w下限： -7373.728948429687
上限： 12155.532579198918
16     22968.60
8 Y( d& {3 }6 [1 C4 D7 Z# F" Q63     18100.41
. i: k3 ^; f3 p+ S$ W8 j! l2 t202    24964.99
# {9 f  n# }3 R9 c. O207    17502.99
215    14504.07
230    16538.19
256    17900.00
314    15719.72
Name: GDP, dtype: float64


* a  i5 i& Z% p. T

sjlxdn

11111111111111111111
+ g3 B2 n; P$ }6 E7 ~- V  l8 T