如何用Python做AQI分析并可视化？

　　

AQI  分析

1、背景信息

1. 哪些城市的空气质量较好/较差?
2. 空气质量在地理位置分布上,是否具有一定的规律性?
3. 城市的空气质量与是否临海是否有关?
4. 空气质量主要受哪些因素影响?
5. 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。

 

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(style="darkgrid") 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

• • 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

 　　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

• • describe() 
  • 箱线图
  • 3σ方式
    
  • 其他相关异常检测算法

describe()：

3σ

箱线图

• • 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。

 

 

4.3 重复值

 

　　清洗完的数据可以直接导出。

 5 数据分析

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。

 

空气最差的5个城市

 

 

5.2 全国部分城市的空气质量

　　　　　　5.2.1 空气质量等级划分：

 

  

  　　　　 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

 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：

　　

　　

　　要用到groupby()分组函数　　 

　　 

　　 

　　

 

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

　　 　　

　　　　 

  　　　　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

5.5全国城市空气质量普遍处于何种水平?

 　　　　据说2015年全国所有城市的空气质量指数均值在71左右，真的假的？

　　　　为了验证这是否正确，我们先来看看均值：

                    

 

        

　　　　这样我们就计算出2015年全国所有城市平均空气质量指数95%的可能在70.63~80.04之间。

6 总结 

 7 PPT展示