怎么用Python做AQI分析并可视化

这篇文章主要介绍“怎么用Python做AQI分析并可视化”，在日常操作中，相信很多人在怎么用Python做AQI分析并可视化问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用Python做AQI分析并可视化”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

创新互联是一家专注于做网站、网站建设与策划设计,兴安盟网站建设哪家好?创新互联做网站,专注于网站建设十余年,网设计领域的专业建站公司;建站业务涵盖:兴安盟等地区。兴安盟做网站价格咨询:028-86922220

AQI 分析

1、背景信息

AOI( Air Quality Index),指空气质量指数,用来衡量空气清洁或污染的程度。值越小,表示空气质量越好。近年来,因为环境问题,空气质量也越来越受到人们的重视。我们期望能够运用数据分析的相关技术,对全国城市空气质量进行研究与分析,希望能够解决如下疑问：

哪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性?

城市的空气质量与是否临海是否有关?

空气质量主要受哪些因素影响?

全国城市空气质量普遍处于何种水平?

分析报告预览.GIF

现在获取了2015年空气质量指数集。该数据集包含全国主要城市的相关数据以及空气质量指数。

CityAQIPrecipitationGDP

城市空气质量指数降水量城市生产总值

LongitudeLatitudeAltitudePopulation Density

经度纬度海拔高度人口密集度

TemperatureCoastalIncineration (10,000ton)Green Coverage Rate

温度是否临海焚烧量/10000吨绿化率

2、数据分析流程

在进行数据分析之前,我们需要清楚数据分析的基本流程。

3、读取数据

导入需要的库并初始化一些设置。

1 import numpy as np

2 import pandas as pd

3 import matplotlib.pyplot as plt

4 import seaborn as sns

5 import warnings

6 sns.set() 7 plt.rcParams["font.family"]="simHei" #用于解决中文显示不了的问题

8 plt.rcParams["axes.unicode_minus"]=False

9 warnings.filterwarnings("ignore")

加载数据集

4、数据清洗

4.1 缺失值

对于缺失值的处理 。可以使用如下方式：

删除缺失值

仅适用于缺失数量很少的情况

填充缺失值

数值变量

均值填充

中值填充

类别变量

众数填充

单独作为一个类别

其他

先用info()或innull()查看缺失值。

再用skew()查看偏度信息，再画个图看看，注意distplot()不支持有空值数据绘制，所以必须先用dropna()将空值剔除。

可以看出，我们的原始数据有点右偏，因为缺失值只有4个，缺失数量很少，可以直接删除，，但我们这次用了中位数来填充。

4.2 异常值

异常值如何发现?我们有这几种方法：

describe()

箱线图

3σ方式

其他相关异常检测算法

describe()：

调用dataframe对象的describe方法，会显示数据的统计信息，让自己了解下数据

可以看出GDP、Latitude、PopulationDensity的最大值与较大四分位数的差距异常巨大，存在右偏现象，即存在许多极大的异常值

3σ

3σ即3倍标准差，根据正态分布的特性，我们可以将3σ之外的数据视为异常值。以GDP为例，画出GDP的偏度分布情况：

该数据出现严重右偏分布，也就是说存在很多极大的异常值，通过3σ法获取这些异常值:

箱线图

通过箱线图我们可以很直观的看见存在很多极大的异常值，怎么判断的呢?

箱线图异常值的判断依据：

Q1、Q2、Q3分别表示1/4分位数、2/4分位数、3/4分位数，IQR=Q3-Q1

若数据小于Q1-1.5IQR或大于Q3+1.5IQR则为异常值。

找到异常怎么处理，通常有以下几种方式：

删除异常值(不常用)

视为缺失值处理

对数转换(适用于右偏，建模)

临界值替换

分箱法离散化处理(分成不同区间映射成离散值)

以对数转换为例。

对数转换适用于存在较大异常值的数据，即适用于右偏分布，不适用于左偏分布。

4.3 重复值

重复值的处理很简单，使用duplicated查询重复值，参数keep有三个值："first"、False、"last".分别表示显示第一条、所有、最后一天重复的记录。

清洗完的数据可以直接导出。

5 数据分析

空气质量的好坏有时候决定人的去留，择校、就业、定居、旅游等等。

首先来看最好和最坏的几个城市

5.1 空气质量最好&最坏的几个城市

空气最好的5个城市

先按AQI排序，默认升序，取前5条记录;x轴上的城市名称需要旋转45°，这样便于查看。

上图可以看出，空气质量好的前5个城市：1.韶关市，2.南平市，3.梅州市，4.基隆市(台湾省)，5.三明市。全是南方城市。

空气最差的5个城市

上图可以看出，空气质量最差的前5个城市： 1.北京市，2.朝阳市，3.保定市，4.锦州市，5.焦作市。全是北方城市。

5.2 全国部分城市的空气质量

5.2.1 空气质量等级划分：

首先我们需要定义一个函数，写一些if语句，通过AQI的值来判断空气质量等级，

这里需要用apply函数：申请调用我们自建的函数，返回值就是自建函数返回值。

从图中可以看出，我国主要城市的空气质量主要以一级和二级为主，三级占一部分，其他占少数。

5.2.2 空气质量指数分布情况

调用scatterplot()绘制散点图，以AQI区分，参数palette是调色，这里是绿色到红色。

从图中可以看出，从地理位置上来讲，空气质量南方城市优于北方城市，西部城市优于东部城市。

5.3 城市的空气质量与是否临海是否有关?

先来看看此数据中临海与内陆城市的数量：

内陆城市数量远大于临海城市，这没什么悬念，我们再来看下散点分布情况：

从图中可以大概看出临海城市空气质量由于内陆。但是我们还是要靠数据说话，分组计算空气质量的均值：

要用到groupby()分组函数

临海79，内陆64。但是信息太少，我们再画个箱线图和小提琴图，来了解更多信息。

从箱线图可看出，临海城市的AQI的四分位值，最大值都比内陆城市低，所以临海城市空气质量相对于内陆城市要好。但是箱线图对于数据分布密度不明显。

所以，绘制小提琴图，既能展示箱线图信息，又能呈现分布的密度。

我们还可以将小提琴图和分簇散点图结合在一起看：

inner=None表示把“琴弦”去除。

到这里我们能得出临海城市空气质量普遍好于内陆吗?

显然是不能的，我们的数据只有几百条，只是一个样本，并不能代表总体，这是样本与总体的差异性。

那怎么得到一个可靠的结论呢? 我们需要对样本做差异检验：

对两样本做 t 检验，来查看临海城市与内陆城市的均值差异是否显著。在进行两样本检验时，我们需要知道两样本的方差是否一致才能进行后面的 t 检验

先导入相关库，定义变量，stats.levene()方差齐性检验。返回两个值：第一个是统计量不要看，，看第二个p值为0.77，说明接受原假设，方差是齐性的(原假设：两样本方差相等，备择假设：方差不等)，可以进行下一步了。

进行t检验时，两样本的方差是否相等，对结果有影响!ttest_ind()：两独立样本t检验，返回结果的p值只有0.007，很小，拒绝原假设(两样本不相等)。

从统计量为负数可以看出，inland是大于coastal的。怎么算呢?在stats中提供的两独立样本t检验是双边检验(=或≠)，而现在我们要的是大于小于的关系(单边检验)，所以需要计算p值：stats.t.sf()，sf=1-cdf,cdf为累计分布函数，sf为残存函数，自由度df。p值0.99666，说明coastal越小。

到此为止，我们有超过99%的几率可以认为空气质量临海城市普遍优于内陆。

5.4 空气质量主要受哪些因素影响?

人口密度大是否对导致空气质量低呢?

绿化率高是否能提高空气质量呢?

先用pairplot()画一个散点图矩阵，取3列数据

对于不同变量的绘制散点图，同变量的绘制直方图，只表示数量。从上图并不能明显地看出变量之间的相关性， 我们需要通过计算相关系数来了解。

DataFrame对象提供了计算相关系数的方法，直接data.corr()即可　　　

再将数据可视化，更清晰的呈现数据：

结果统计

从结果中可知，空气质量指数主要受降雨量(-0.40) 与纬度(0.55) 影响。

降雨量越多,空气质量越好。

纬度越低，空气质量越好。

此外，我们还能够发现其他一些明显的细节:

GDP (城市生产总值)与Incineration (焚烧量)正相关(0.90) 。

Temperature (温度)与Precipitation (降雨量) 正相关(0.69) 。

Temperature (温度)与Latitude (纬度)负相关(-0.81)。

Longitude (经度) 与Altitude (海拔) 负相关(-0.74) 。

Latitude (纬度)与Precipitation (降雨量)负相关(-0.66) 。

Temperature (温度)与Altitude (海拔)负相关(-0.46) 。

Altitude (海拔)与Precipitation (降雨量)负相关(-0.32) 。

到此，关于“怎么用Python做AQI分析并可视化”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！