数据分析-用python分析中国五大城市的PM2.5值（ols建立回归模型）

数据分析-用python分析中国五大城市的PM2.5值（ols建立回归模型）

文章目录

分析目的
观察数据
数据清洗
数据整合
数据分析

分析目的

细颗粒物又称PM2.5，指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。此次分析的目的是通过各城市的气象信息预测该城市的pm2.5值，具体气象信息包含空气湿度、温度等。

观察数据

这个小时数据集包含北京、上海、广州、成都和沈阳的PM2.5数据。同时，还包括各城市的气象资料。

数据清洗

观察数据可以看出每张表都有各自城市分区的pm值，这些值的缺失值较多，而且此次分析的重点是研究整个城市的pm值，因此将这些分区属性数据还有其他有缺失值的元组数据都删掉；同时数据中有no一列，该属性对此次的研究也没有意义，也应该删掉。

数据整合

将五张表都添加城市列，然后整合成一张总表。总表包含的分类变量有年(year)、月(month)、天(day)、小时(hour)、季节(season)、风向(CBWD)、城市(city)；连续变量有PM值(PM_US Post)、露点(DEWP)、湿度(HUMI)、压力(PRES)、温度(TEMP)、累计风速(Iws)、降水量(precipitation)、累计降水量(Iprec)。

数据分析

数据预览

pm.info()

这份数据共有161630条观则。
连续变量描述

pm1=pm[['PM_US Post','DEWP','HUMI','PRES','TEMP','precipitation']]
pd.set_option('display.max_columns',500)#全部显示
pm1.describe()
pm1['PRES'].skew()#计算数据的偏度
pm1['PRES'].kurt()#计算数据的峰度

这五个城市有记录的PM值的均值近似为74，中位数为54，均值大于中位数值，说明此列数据呈右偏分布。同样呈右偏分布的还有降水量(precipitation)的值，但右偏幅度很小。相反，这五个城市有记录的露点(DEWP)、湿度(HUMI)、温度(TEMP)三列的值分别的均值均小于各自的中位数，则说明这三列数据都呈左偏分布，幅度较小。较特殊的是压力(PRES)列的值，它的中位数和均值相等，因此需要对对压力做偏度和峰度检验，由检验结果可以看出，偏度为0.14582，峰度为-0.64087，与0都相差不大，故可以将此列数据看作近似服从正态分布。
分季节观察

import matplotlib.pylab as plt
spring=pm[(pm["season"]==1)]
gp1&