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。
, o# i' l, P* T3 S7 q% B8 X% U: k本文的分析目标是：
* F2 \8 c" j; L一、描述性统计
) y1 F8 C8 T) d( ~7 |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
( N6 F: v, l. z* ]$ U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
! _% c: `- Z, S1 b. ?+ T  ^sns.set(style="darkgrid")plt.rcParams["font.family"] = "SimHei"plt.rcParams["axes.unicode_minus"] = False
- f9 Z, X. K4 v8 T7 s2 [$ Wdata = pd.read_csv("data/data.csv")print(data.shape)data.head()

数据集描述：
7 {6 o9 _; B" b2 o
' U4 z* h& s4 J% W5 w0 Y# e7 GCity：城市名
" ]; n0 ]% Z) Q
AQI：空气质量指数
& t% U" E" O6 V0 G+ o+ Y
) y* e4 M6 x1 @5 QPrecipitation：降雨量

GDP：人均生产总值

Tempearture：温度
' ^: e4 x: \, g, C3 z
7 i2 u  a9 }7 ], _Longitude/Latitude：经/纬度

Altitude：海拔高度
0 I) O" [/ C9 Z8 u& w9 D5 v
PopulationDensity：人口密度

Coastal：是否沿海

5 {/ s% {- Y  [5 zGreenCoverageRate：绿化覆盖率
8 C) ^/ j2 D4 E8 K' d6 D. ~0 p3 L
0 ]3 J: r/ Z, yIncineration(10,000ton)：焚烧量（w吨）
  c1 w: \- X* u$ I, S$ }1 M
% x" t- ]0 W6 y% H" U数据清洗
检查缺失值：
数据集描述：

6 i0 G5 R, E8 s* ?9 m$ ]3 hCity：城市名

0 i0 @1 k) c$ c9 t) Z( s" cAQI：空气质量指数
2 O" B% Q1 e, w3 B* D
Precipitation：降雨量

* w* k/ ?5 u! pGDP：人均生产总值

  M* j5 I, c) ITempearture：温度

Longitude/Latitude：经/纬度

+ G+ q* Y9 z  @; L5 U: gAltitude：海拔高度
& X- C8 E. v/ ?  u9 M
PopulationDensity：人口密度

Coastal：是否沿海

3 a' h$ f; a( c2 n7 }GreenCoverageRate：绿化覆盖率

$ s3 F6 G. A, TIncineration(10,000ton)：焚烧量（w吨）

数据清洗
0 B7 D' i/ I6 @9 b检查缺失值：
data.isnull().sum(axis=0)
4 {* k  l9 b2 G; q# ]7 ^, `# _

( `) M0 B6 Q0 h! k! ]# H2 n. k
) U  @2 N! G; l! S. g3 f& ?
9 k9 F4 u8 e) o# e, o  N" K# q  O0 h查看含缺失值列数据的分布：
#print(data["Precipitation"].skew())#偏度  
8 e& h0 t0 \, ?/ ?2 T% F2 g; i+ H' O7 Esns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
plt.title("分布密度图")
( E: m" @! j9 E% O/ S" n, U8 L0.27360760671177387
4 I: b. `- r- p

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)
: j# \& O" [% i( |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）
  ' T0 H, i7 P4 ?4 u$ L

查看数据集的偏度：

  I+ |3 Z2 x+ {2 ?& |6 Cdata.skew()
& i9 U8 z( ~( q6 o. e
AQI                        1.198754
Precipitation              0.273608
GDP                        3.761428
Temperature               -0.597343
Longitude                 -1.407505
$ d% R3 @4 K* r5 fLatitude                   0.253563
Altitude                   3.067242
PopulationDensity          3.125853
GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
dtype: float64
6 b: U1 B; `7 Q& d
3 A# g2 q9 s2 Z5 z7 C' B% e" b1 `

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：

/ P- U2 Z2 p2 I3 g4 Z* P9 Emean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std

, H6 h9 y0 c' o. zprint("均值：", mean)
2 G  p! h8 [  o& e5 M! G7 w& T2 s2 Sprint("标准差：", std)
$ y! A, d1 [4 h0 Wprint("下限：", lower)
1 |/ i: j& @) B1 z1 Q' s3 o: wprint("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
$ Y* E" Y0 I" v
均值： 2390.901815384616
标准差： 3254.876921271434
' R) |  f1 p- ?4 N& h) g下限： -7373.728948429687
* n& {" ]0 U0 L) Z. e2 `, _. P- E上限： 12155.532579198918
3 x8 d1 ]& A* M7 P; j2 v) r( ^16     22968.60
63     18100.41
202    24964.99
& _. ]& o+ l6 m* ?207    17502.99
215    14504.07
7 y4 q( a: I, j% S8 |+ F230    16538.19
, \3 o  Z# _8 F& o( ^  _$ U256    17900.00
314    15719.72
- I6 _: j; e* _# L* D' ?: @' D# K* zName: GDP, dtype: float64


% A5 v8 A. w; |6 Q& A
3 I1 t% b" P6 U1 r# I0 J
3 \9 T  `# t1 o2 {$ V5 @

sjlxdn

11111111111111111111