python爬空⽓污染实时数据_python数据分析综合项⽬--空⽓质
量指数分析
项⽬背景
近年来，我国的环境问题⽐较严重，很多城市出现了雾霾天⽓，当然也有很多城市空⽓依旧清新，为了研究具体的空⽓环境城市分布，我们采⽤了假设检验以及线性回归的思想对AQI(空⽓质量指数)进⾏分析和预测，其中AQI的值越⼤，表⽰空⽓质量越差，AQI值越⼩，表明空⽓质量越好。
提出问题
1.列出空⽓质量优秀/较差的五个城市
2.全国空⽓质量分布情况
3.临海城市和内陆城市的空⽓质量对⽐
4.影响空⽓指数的因素
5.空⽓质量均值验证
数据字段描述虎成语
City 城市名
AQI 空⽓质量指数
Precipitation 降⾬量
GDP 城市⽣产总值
Temperature 温度
Longitude 经度
Latitude 纬度
Altitude 海拔⾼度
PopulationDensity ⼈⼝密度
Coastal 是否沿海
GreenCoverageRate 绿化覆盖率
Incineration(10,000ton) 焚烧量(10000吨)
导⼊相应的模块以及数据集
数据处理
在进⾏数据分析之前，我们对数据集进⾏观察并对其中的缺失值、重复值、异常值进⾏处理
处理缺失值
我们发现降⾬量数据中包含了4个缺失值，为了保证数据的精确，我们查⼀下降⾬量的数据分布
降⾬量分布图
很明显的呈现右偏分布，因此采⽤平均数来替代缺失值并不妥，我们这⾥⽤中位数来代替
缺失值处理
异常值处理
短路
最常⽤的异常值检测⽅式为3倍标准差检验法，我们⽤此⽅法筛选出异常数据，并绘制对应的箱线图
异常值检测
GDP箱线图
GDP属性中检测出8条异常值，我们这⾥采取⽤极端值替换的⽅式，将异常值替换成最⼤值
df['GDP'][(df['GDP']upper)]=df['GDP'].mean()+3*df['GDP'].std()
重复值处理
重复值处理⽐较简单，筛选出来并删除即可
df.drop_duplicates(inplace=True)
数据分析及可视化
数据集处理完毕之后，我们开始进⾏数据分析
1. 列出空⽓质量优秀/较差的五个城市
今年中秋节高速免费吗按照AQI降序排列，选出排名前五以及后五的城市，进⾏可视化，结果如下
霜火岭怎么去空⽓质量好的五⼤城市
空⽓质量堪忧的五个城市
关于长城的导游词结论：空⽓质量较好的城市为韶关市、南平市、梅州市、基隆市、三明市，空⽓质量堪忧的城市分别为焦作市、锦州市、保定市、朝阳市、北京市
2. 全国空⽓质量分布情况
这⾥我们将AQI指数分为六个等级，并根据等级统计全国空⽓质量的等级情况
全国空⽓质量等级划分图
我们再⽤散点图绘制下全国的空⽓质量分布
地理分布图
结论：我国城市的空⽓质量集中在⼀级、⼆级和三级，⾼污染城市⽐例较低；从地理位置来看，西部城市空⽓质量优于东部城市，南部城市优于北部城市。
3. 临海城市和内陆城市的空⽓质量对⽐
根据上⾯的结论我们发现，仿佛临海城市的空⽓质量普遍⾼于内陆地区，那么这个结论是否是真的呢？还需要进⼀步验证。
⾸先，我们来统计下不同地理环境的城市数量
内陆、沿海城市数量
第⼆步，绘制临海和内陆城市的AQI分布图
AQI分布
我们发现内陆城市AQI集中分布在50-100区间内，⽽沿海城市AQI集中分布在0-50区间，在此样本中，沿海的AQI分布低于内陆城市，但是这毕竟是样本，⽆法推测出总体分布情况，还需进⼀步探测。
第三步，统计AQI均值并绘制分布密度图
AQI均值
第四步，差异检验，查看内陆沿海AQI均值分布是否显著
我们先假设内陆城市和沿海城市的平均值相同
t检验
结果得出⽀持的概率为0.006，远低于0.05，因此我们否定原假设，选择备择假设，即内陆城市和沿海城市的平均值不相同
结论：经过分析，我们发现有超过99%的概率可以证明临海城市空⽓质量优于内陆城市的空⽓质量。
4. 影响空⽓指数的因素
为了探究影响空⽓质量的具体因素，我们需要计算出两个变量之间的相关系数，以此进⾏判断，这⾥采⽤热⼒图进⾏可视化操作。
sns.(),annot=True,fmt='.2f')
相关系数热⼒图
结论：从显⽰结果看出，AQI主要受降⾬量和纬度的影响，其中降⾬量越多，空⽓质量越好(0.4)；纬
度越低，空⽓质量越好(-0.55)
当然，从整个图⽚来看，也能发现很多变量之间的关系，⽐如GDP与焚烧量的正相关系数达到了0.9，温度与纬度的负相关系数达到了-0.81等。
张震岳经典歌词5. 空⽓质量均值验证
传闻空⽓质量均值在71左右，这个消息是否是准确的呢？我们进⾏⼀次验证。
⾸先计算样本的均值
df['AQI'].mean()
结果显⽰为75.334
那么总体的均值是否为71呢？这⾥先假设总体的均值为71，进⾏t检验
验证
结论：可以看出，偏离均值1.81倍的标准差，⽽且p值⼤于0.05，我们接受原假设(即空⽓质量均值在71左右)另外，我们还可以计算出在置信度为95%时，空⽓质量均值的置信区间为70-80。
总结
空⽓质量最好的城市是韶关、南平和梅州，最差的是北京。
分布总体显⽰，西部城市空⽓质量优于东部城市，南部城市优于北部城市。
临海城市空⽓质量总体好于内陆城市。
降⾬量和纬度对空⽓质量影响较⼤。
我国平均空⽓质量指数在70-80之间，概率达到95%
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论