印象中帝都的天气大多时候是雾霾天气，今天我们来看看帝都的天气到底怎么样吧
数据导入：
为方便后面分析，这里将数据的列进行重新定义。
数据的详细信息：
可以看到这一年里数据缺失比较严重，这里对数据进行过滤，保持数据的真实性。
2015的数据比较完整，这里就不对数据进行进一步的处理了。
这里看到2016年的数据缺失较少，我们使用fillna不去数据缺失的地方。
以上2017的数据缺失也较为严重，这里也使用dropna删除数据缺失的行。
将数据清理之后，我们将四年的数据合并成一个数据进行分析。
这里我们看到数据的索引是无序的，我们对数据的索引稍微处理一下。
再来查看数据合并之后的详细信息。
数据进行清理合并之后只有1094行了，白白除掉那么多数据还是有点肉痛啊。
数据可视化：
可能大多数人对PM2.5更为熟悉，这里就使用了PM2.5与各数据进行可视化分析。从上面的视图中可以发现，除了O3，其他各项指标和PM2.5都有一定的正相关。让我们用数据的均值来更直接表示各年数据的变化情况。
数据均值的可视化：
从上面可以明显看到，AQI和PM2.5的变化轨迹较为相似，除了O3最后表现为增加之外，其他指标最后的变化都和AQI较为相似。而神奇的是AQI 指数居然变小了，什么鬼？难道帝都的天气渐渐变好了么。。。我有点不相信自己的眼睛。O3指数这几年越来越高，是与全球变暖有关吗？
不知道是不是箱图太小，感觉各数据变化不太明显，好了我们用置信区间来看看吧。
95%的置信区间：
先定义置信区间
先求各年AQI指标的置信区间：
这里看到四年的AQI 指标的置信区间各有交接，貌似AQI 指标变化不太明显。
假设检验AQI指标是否发生明显的改变：
貌似这几年的AQI 确实没有发生明显的变化。
2014年与2017年的置信区间已有间段，这里用假设检验检验PM10的指标是否发生明显的改变。
p_value<0.01,这里PM10确实发生了明显的改变。
结合置信区间和假设检验来看，PM10，NO2，SO2，O3确实发生了明显的改变。而AQI，PM2.5和CO的p_value>0.05,不能断定是否发生了明显的变化。
检测各指标之间的相关关系：
由于2014年与2015年的数据较为完整，这里用2014年的数据和2015年的数据来画散点图。
AQI指标与PM2.5指标的相关性越来越强，PM2.5的指标与AQI指标的变化有很大的正相关性。（从上面的折线图中可以印证这一说法，PM2.5的折线变化几乎和AQI变化一致）都开始怀疑自己分析的准确性了，明明这两年PM2.5指标越来越火热的啊。。。。
接下来分析AQI与气体污染物的相关关系：
这里AQI与NO2和CO有较强的相关性，与SO2的相关性较弱，与O3呈现负相关性
PM2.5与NO2和CO也有较强的相关性，与SO2的相关性较弱，与O3呈现负相关性，再次印证了前面的结论。
判断是否具有显著的相关性：
AQI 与PM10,PM2.5，NO和NO2都具有较强的相关性，与SO2的相关稍微弱一点，与O3呈负相关。下面看看O3与其他气体污染物的显著相关性。
可以看到O3与其他污染物呈显著的负相关性，也在一次印证，其他气体污染物与AQI有较强的相关性。
AQI指数为0-50，空气质量级别为一级，空气质量状况属于优。
AQI指数为51-100，空气质量级别为二级，空气质量状况属于良。
AQI指数为101-150，空气质量级别为三级，空气质量状况属于轻度污染。
AQI指数为151-200，空气质量级别为四级，空气质量状况属于中度污染。
AQI指数为201-300，空气质量级别为五级，空气质量状况属于重度污染。
AQI指数为大于300，空气质量级别为六级，空气质量状况属于严重污染。
结论：
1.AQI 指数明显降低，从2017年AQI指数折线图波动情况来看，今年的AQI指数波动幅度相比往年降低。往年多数时候是重度污染，也有严重污染的时候，而今年从AQI指数变化来看空气指数均在200以下，处于轻度污染和中度污染的阶段。北京今年的空气质量真的变好了么？（怎么还是有点不愿意相信呢）
2.AQI指数与PM2.5具有较强的相关性，从AQI指数便变化情况可知道PM2.5的变化情况。
3.空气中的SO2，CO,NO2与AQI也具有较强的相关性，这个合情合理，毕竟AQI表示空气质量的好坏，空气质量越好，空气中的污染物气就越少。
4.O3与AQI呈现负相关性（百度了下，好像现在科学界还没有搞清楚他们两为什么呈现这种关系，但是臭氧本身就是衡量AQI的要素之一，降低AQI和降低O3才是最终的目标，他们并不是此消彼长的关系）
