商业技术分析第七课作业-帝都的天气

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:

数据导入
重新定义列

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:

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数据的详细信息

2015的数据比较完整,这里就不对数据进行进一步的处理了。

2016年的数据信息

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。

2017年的数据信息

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。

数据的合并

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:

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。

数据的均值

数据均值的可视化:

数据可视化

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?

数据的箱图
数据的箱图

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

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:

假设检验

貌似这几年的AQI 确实没有发生明显的变化。

PM10的置信区间

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。

PM10假设检验

p_value<0.01,这里PM10确实发生了明显的改变。

PM2.5的置信区间
PM2.5假设检验
NO2的置信区间
NO2的假设检验
SO2的置信区间
SO2的假设检验
O3的置信区
O3的假设检验
CO的置信区间
CO 的假设检验

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

CO
CO与AQI
AQI 与CO
AQI与SO2
AQI与O3
AQI与NO2

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

PM25与各污染气体的相关性

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)

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,423评论 6 491
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,147评论 2 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,019评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,443评论 1 283
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,535评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,798评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,941评论 3 407
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,704评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,152评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,494评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,629评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,295评论 4 329
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,901评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,742评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,978评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,333评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,499评论 2 348

推荐阅读更多精彩内容