感谢关注天善智能,走好数据之路↑↑↑
欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答、求职一站式搞定!
天善智能社区地址:https://www.hellobi.com/
前言
kaggle数据集传送门:
https://www.kaggle.com/sogun3/uspollution
这次是美国空气污染的数据
数据集介绍:
这个数据集涉及到美国的污染问题。美国环境保护署详细记录了美国的污染情况,但下载所有的数据并按照数据科学家感兴趣的格式进行安排是一件痛苦的事情。 因此,我从2000年至2016年每天收集四种主要污染物(二氧化氮,二氧化硫,一氧化碳和臭氧),并将它们整齐地放置在一个csv文件中。
数据探索
将数据下载到本地,使用pandas打开:
我们先去除掉无意义的字段(列):
接着看一下各字段信息:
发现数值型的值很多,很棒~
内容
总共有28个字段:
州代码:由美国环保局分配给每个州的代码
县代码:由美国环保署分配的特定州的代码
地点编号:由美国环保局分配的特定县的地点编号
地址:监测站点的地址
状态:监测点的状态
县:县监测站点
城市:监测点的城市
日期本地:监视日期
四种污染物(NO2,O3,SO2和O3)各有5个专栏。 例如,对于NO2:
NO2单位:测量NO2的单位
NO2平均值:给定日内NO2浓度的算术平均值
NO2 AQI:一天内NO2计算的空气质量指数
NO2第一最大值:给定日期的NO2浓度的最大值
NO2第1小时:指在某一天记录的最大NO2浓度的小时数
观察总数超过140万。
对于这么大一个数据集分析是比较困难的,而且是随时间变化的
我们仔细观察一下数