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。
+ Z1 x3 Q- T, j& P( v$ g) l本文的分析目标是：
一、描述性统计
, q4 M0 m6 s* s5 ]0 A" a. l+ u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
/ P) F1 ~1 [& r6 X+ u* W临海城市的空气质量是否优于内陆城市？三、相关系数分析
1 E2 E/ \1 Y7 L, N6 @% J; H/ o2 _空气质量主要受哪些因素的影响？四、区间估计
+ ?' a) B) D" L- p3 F  n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
data = pd.read_csv("data/data.csv")print(data.shape)data.head()
, u& k  W/ O, P. u7 k+ W  y
数据集描述：

City：城市名

+ s" s1 J* g: a. F7 zAQI：空气质量指数
- z9 c3 ?2 X3 g7 I7 V
- @$ u' ^2 d' o1 W6 m  vPrecipitation：降雨量
6 _/ N9 c8 G& f; |
GDP：人均生产总值

: [. ]- I+ ~  W# _5 {3 S" ~5 M0 I$ ]Tempearture：温度

+ d) m4 u7 K6 P* P3 ULongitude/Latitude：经/纬度
7 g) `8 ~: ^% P8 j
% o: i4 p7 p$ f2 g7 fAltitude：海拔高度

8 r  x/ U4 f2 yPopulationDensity：人口密度
# R1 S4 Q# D, N
1 h; Y9 v5 a7 L/ s( w& _2 d. a& oCoastal：是否沿海
* e( I0 A9 U! E* s
* N! |1 \5 K) H- k7 _GreenCoverageRate：绿化覆盖率

8 I  b1 X" B+ O: {Incineration(10,000ton)：焚烧量（w吨）

! z/ E  E6 _3 E( r数据清洗
检查缺失值：
数据集描述：
+ Y- x5 m- }# F
1 t/ [; V. C. \8 O) W' iCity：城市名

AQI：空气质量指数
# @9 e( }# m6 M6 j) y9 ?" {' }
% b8 \3 i+ n1 X% ePrecipitation：降雨量

GDP：人均生产总值
: e- D# `* P/ ~0 `
Tempearture：温度

8 C0 M, e4 R! FLongitude/Latitude：经/纬度
! p' Z+ v) X2 M5 \: n
Altitude：海拔高度

PopulationDensity：人口密度

Coastal：是否沿海

5 K1 O. b4 ~/ g" I5 v$ l6 iGreenCoverageRate：绿化覆盖率

; n" t/ X0 T; s: G; v( yIncineration(10,000ton)：焚烧量（w吨）
- N2 O6 z) y* h- B3 M' L4 V
数据清洗
检查缺失值：
- a$ P2 E0 d- N' e3 @1 q6 S4 ^; Ydata.isnull().sum(axis=0)


- @5 D# p2 f/ y. O" C; o  o
6 p' i* \  {% E1 D3 \
查看含缺失值列数据的分布：
#print(data["Precipitation"].skew())#偏度  
9 p" I4 z! W6 t) Y2 h# |5 H4 Ysns.distplot(data["Precipitation"].dropna())#要删除NA值才能做分布密度图
+ y8 O$ R, C& y- P) e) j1 Jplt.title("分布密度图")
  Q: M& G8 X9 v  v$ p4 n  S. i0.27360760671177387
  H  I4 B- I" H* V( H
( K! h5 {3 ~# W$ }5 [: A: Q- Z" V

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)
( x- E& c" e/ n' {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()

AQI                        1.198754
Precipitation              0.273608
GDP                        3.761428
4 ]8 C' p! _9 S! n9 p' j( hTemperature               -0.597343
Longitude                 -1.407505
Latitude                   0.253563
1 O0 b/ J2 \8 x& AAltitude                   3.067242
: V1 g$ d; ]/ s, E4 T2 Q9 i: KPopulationDensity          3.125853
GreenCoverageRate         -0.381786
Incineration(10,000ton)    4.342614
: x8 [- B" q% `4 @- V" bdtype: float64
- E  d. o' E5 _2 N( c  g
, Q) Q. p. W, k- U

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：

' g) @. y5 ?) l9 O7 Z) ymean, std = data.GDP.mean(), data.GDP.std()
lower, upper = mean - 3 * std, mean + 3 * std
, O4 r6 ~  `1 W5 l
print("均值：", mean)
print("标准差：", std)
print("下限：", lower)
print("上限：", upper)
data.loc[(data.GDP < lower) | (data.GDP > upper), "GDP"]
& D4 ^; W+ z3 J. n* @5 ]# Z6 z
3 c8 g" |2 ~+ b均值： 2390.901815384616
标准差： 3254.876921271434
% r9 G. ?8 O: T. O7 `下限： -7373.728948429687
: t1 R, J0 x. N: w- ]. j1 s上限： 12155.532579198918
16     22968.60
63     18100.41
* }! I" B2 g' X/ M: o2 Y3 t202    24964.99
! d( `3 m: k* U. z& v  f: O207    17502.99
& D" n( Q0 e: q: N/ Z8 l215    14504.07
, m; N8 k) t: Q9 _' z3 V9 o/ S230    16538.19
) P; }7 K( L7 a! z) ?. I. q: f256    17900.00
314    15719.72
+ F& k6 ]  o- P( JName: GDP, dtype: float64
, u8 P3 b# Y7 e5 m' d" {8 Q
0 O$ A1 ?* H+ S; ?



  R3 A; |* u$ ^% ]

sjlxdn

11111111111111111111