异常处理python 空气质量问题_Python入门案例（八）：空气质量指数(AQI)计算

最新推荐文章于 2024-05-01 01:21:32 发布
最新推荐文章于 2024-05-01 01:21:32 发布
阅读量1.2k 收藏 2
点赞数 3
文章标签： 异常处理python 空气质量问题

一、空气质量指数计算V1.0

主要知识点：分支结构、函数、异常处理

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V1.0.py@time:2018/11/28 14:29@1.0功能：AQI计算"""

def cal_linear(iaqi_lo, iaqi_hi, bp_lo, bp_hi, cp):

# 线性缩放

iaqi = (iaqi_hi - iaqi_lo) * (cp - bp_lo) / (bp_hi - bp_lo) +iaqi_lo

return iaqi

def cal_pm_iaqi(pm_val):

# 计算PM2.5的IAQI

if 0 <= pm_val < 36:

iaqi = cal_linear(0, 50, 0, 35, pm_val)

elif 36 <= pm_val < 76:

iaqi = cal_linear(50, 100, 35, 75, pm_val)

elif 76 <= pm_val < 116:

iaqi = cal_linear(100, 150, 75, 115, pm_val)

elif 116 <= pm_val < 151:

iaqi = cal_linear(150, 200, 115, 150, pm_val)

elif 151 <= pm_val < 251:

iaqi = cal_linear(200, 300, 150, 250, pm_val)

elif 251 <= pm_val < 351:

iaqi = cal_linear(300, 400, 250, 350, pm_val)

elif 351 <= pm_val < 501:

iaqi = cal_linear(400, 500, 350, 500, pm_val)

else:

pass

return iaqi

def cal_co_iaqi(co_val):

# 计算co的IAQI

if 0 <= co_val < 3:

iaqi = cal_linear(0, 50, 0, 2, co_val)

elif 3 <= co_val < 5:

iaqi = cal_linear(50, 100, 2, 4, co_val)

elif 5 <= co_val < 15:

iaqi = cal_linear(100, 150, 4, 14, co_val)

elif 15 <= co_val < 25:

iaqi = cal_linear(150, 200, 14, 24, co_val)

elif 25 <= co_val < 37:

iaqi = cal_linear(200, 300, 24, 36, co_val)

elif 37 <= co_val < 49:

iaqi = cal_linear(300, 400, 36, 48, co_val)

elif 49 <= co_val < 61:

iaqi = cal_linear(400, 500, 48, 60, co_val)

else:

pass

return iaqi

def cal_aqi(param_list):

# AQI计算

pm_val = param_list[0]

co_val = param_list[1]

pm_iaqi = cal_pm_iaqi(pm_val)

co_iaqi = cal_co_iaqi(co_val)

iaqi_list = []

iaqi_list.append(pm_iaqi)

iaqi_list.append(co_iaqi)

AQI = max(iaqi_list)

return AQI

def main():

print('请输入以下信息，用空格分隔：')

input_str = input('(1)PM2.5 (2)co:')

str_list = input_str.split(' ')

pm_val = float(str_list[0])

co_val = float(str_list[1])

param_list = []

param_list.append(pm_val)

param_list.append(co_val)

# 调用AQI计算函数

aqi_val = cal_aqi(param_list)

print('空气质量指数(AQI)：{}'.format(aqi_val))

if __name__ == '__main__':

main()

二、空气质量指数计算V2.0

主要知识点：JSON文件格式及操作：JSON是一种轻量级数据交换格式，可以对复杂数据进行表达和存储，易于阅读和理解。数据保存在键值对中，键值对之间由逗号分隔，花括号用于保存键值对数据组成的对象，方括号用户保存键值对数据组成的数组；采用对象、数组方式组织起来的键值对可以表示任何结构的数据

JSON库是处理JSON数据格式的Python标准库，两个过程：编码(encoding)，将Python数据类型转换成JSON格式的过程；解码(decoding)，从JSON格式中解析数据对应到Python数据类型的过程

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V2.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件"""

import json

def process_json_file(filepath):

# 解码JSON文件

f = open(filepath, mode='r', encoding='utf-8')

city_list = json.load(f)

return city_list

def main():

filepath = input('请输入JSON文件名称：')

city_list = process_json_file(filepath)

city_list.sort(key=lambda city: city['aqi'])

top5_list = city_list[:5]

f = open('top5_aqi.json', mode='w', encoding='utf-8')

json.dump(top5_list, f, ensure_ascii=False)

f.close()

if __name__ == '__main__':

main()

三、空气质量指数计算V3.0

主要知识点：CSV是一种通用的、相对简单的文件格式，以行为单位，每行表示一条记录，以英文逗号分隔每列数据，列名通常放置在文件第一行

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V3.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件@3.0功能：读取已经获取的JSON数据文件，并将其转换成CSV文件"""

import json

import csv

def process_json_file(filepath):

# 解码JSON文件

f = open(filepath, mode='r', encoding='utf-8')

city_list = json.load(f)

return city_list

def main():

filepath = input('请输入JSON文件名称：')

city_list = process_json_file(filepath)

city_list.sort(key=lambda city: city['aqi'])

lines = []

# 列名

lines.append(list(city_list[0].keys()))

# 数据

for city in city_list:

lines.append(list(city.values()))

f = open('aqi.csv', 'w', encoding='utf-8', newline='')

writer = csv.writer(f)

for line in lines:

writer.writerow(line)

f.close()

if __name__ == '__main__':

main()

四、空气质量指数计算V4.0

主要知识点：os模块：提供了与系统、目录操作相关的功能，不受平台的限制

使用with语句操作文件对象，不管在处理文件过程中是否发生异常，都能保证with语句执行完毕后关闭文件，不需要close()语句

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V4.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件@3.0功能：读取已经获取的JSON数据文件，并将其转换成CSV文件@4.0功能：根据输入的文件判断是JSON格式还是CSV格式，并进行相应的操作"""

import json

import csv

import os

def process_json_file(filepath):

# 处理JSON文件

with open(filepath, mode='r', encoding='utf-8') as f:

city_list = json.load(f)

print(city_list)

def process_csv_file(filepath):

# 处理CSV文件

with open(filepath, mode='r', encoding='utf-8', newline='') as f:

reader = csv.reader(f)

for row in reader:

print(', '.join(row))

def main():

filepath = input('请输入文件名称：')

filename, file_ext = os.path.splitext(filepath)

if file_ext == '.json':

# json文件

process_json_file(filepath)

elif file_ext == '.csv':

# CSV文件

process_csv_file(filepath)

else:

print('不支持该文件格式！')

if __name__ == '__main__':

main()

五、空气质量指数计算V5.0

主要知识点：网络爬虫是自助抓取互联网信息的程序：通过网络链接获取网页内容，对获得的网页内容进行处理

requests模块：一个简洁且简单的处理HTTP请求的工具，支持丰富的链接访问功能，包括URL获取，HTTP会话，cookie记录等。

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V5.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件@3.0功能：读取已经获取的JSON数据文件，并将其转换成CSV文件@4.0功能：根据输入的文件判断是JSON格式还是CSV格式，并进行相应的操作@5.0功能：利用网络爬虫实时获取城市的空气质量指数"""

import requests

def get_html_text(url):

# 返回URL的文本

r = requests.get(url, timeout=30)

# print(r.status_code)

return r.text

def main():

city_pinyin = input('请输入城市拼音：')

url = 'http://pm25.in/' + city_pinyin

url_text = get_html_text(url)

# print(url_text)

aqi_div = '''

'''

index = url_text.find(aqi_div)

begin_index = index + len(aqi_div)

end_index = begin_index + 3

aqi_val = url_text[begin_index: end_index]

print('空气质量为：{}'.format(aqi_val))

if __name__ == '__main__':

main()

六、空气质量指数计算V6.0

主要知识点：BeautifulSoup解析网页：用于解析HTML或XML

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V6.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件@3.0功能：读取已经获取的JSON数据文件，并将其转换成CSV文件@4.0功能：根据输入的文件判断是JSON格式还是CSV格式，并进行相应的操作@5.0功能：利用网络爬虫实时获取城市的空气质量指数@6.0功能：利用beautifulsoup4获取所有城市的空气质量"""

import requests

from bs4 import BeautifulSoup

def get_city_aqi(city_pinyin):

# 解析URL，获取城市的AQI

url = 'http://pm25.in/' + city_pinyin

r = requests.get(url, timeout=30)

soup = BeautifulSoup(r.text, 'lxml')

div_list = soup.find_all('div', {'class': 'span1'})

city_aqi = []

for i in range(8):

div_content = div_list[i]

caption = div_content.find('div', {'class': 'caption'}).text.strip() # strip()去空格

value = div_content.find('div', {'class': 'value'}).text.strip()

city_aqi.append((caption, value))

return city_aqi

def main():

city_pinyin = input('请输入城市拼音：')

city_aqi = get_city_aqi(city_pinyin)

print('空气质量为：{}'.format(city_aqi))

if __name__ == '__main__':

main()

七、空气质量指数计算V7.0

主要知识点：BeautifulSoup库的使用

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V7.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件@3.0功能：读取已经获取的JSON数据文件，并将其转换成CSV文件@4.0功能：根据输入的文件判断是JSON格式还是CSV格式，并进行相应的操作@5.0功能：利用网络爬虫实时获取城市的空气质量指数@6.0功能：利用beautifulsoup4获取所有城市的空气质量@7.0功能：获取所有城市空气质量数据"""

import requests

from bs4 import BeautifulSoup

def get_city_aqi(city_pinyin):

# 解析URL，获取城市的AQI

url = 'http://pm25.in/' + city_pinyin

r = requests.get(url, timeout=30)

soup = BeautifulSoup(r.text, 'lxml')

div_list = soup.find_all('div', {'class': 'span1'})

city_aqi = []

for i in range(8):

div_content = div_list[i]

caption = div_content.find('div', {'class': 'caption'}).text.strip() # strip()去空格

value = div_content.find('div', {'class': 'value'}).text.strip()

city_aqi.append((caption, value))

return city_aqi

def get_all_cities():

# 获取所有城市

url = 'http://pm25.in/'

city_list = []

r = requests.get(url, timeout=30)

soup = BeautifulSoup(r.text, 'lxml')

city_div = soup.find_all('div', {'class': 'bottom'})[1]

city_link_list = city_div.find_all('a')

for city_link in city_link_list:

city_name = city_link.text

city_pinyin = city_link['href'][1:]

city_list.append((city_name, city_pinyin))

return city_list

def main():

city_list = get_all_cities()

for city in city_list:

city_name = city[0]

city_pinyin = city[1]

city_aqi = get_city_aqi(city_pinyin)

print(city_name, city_aqi)

if __name__ == '__main__':

main()

八、空气质量指数计算V8.0

主要知识点：BeautifulSoup和CSV结合，实现完整的网络爬虫

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V8.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件@3.0功能：读取已经获取的JSON数据文件，并将其转换成CSV文件@4.0功能：根据输入的文件判断是JSON格式还是CSV格式，并进行相应的操作@5.0功能：利用网络爬虫实时获取城市的空气质量指数@6.0功能：利用beautifulsoup4获取所有城市的空气质量@7.0功能：获取所有城市空气质量数据@8.0功能：将获取的所有城市空气质量保存成CSV数据文件"""

import requests

from bs4 import BeautifulSoup

import csv

def get_city_aqi(city_pinyin):

# 解析URL，获取城市的AQI

url = 'http://pm25.in/' + city_pinyin

r = requests.get(url, timeout=30)

soup = BeautifulSoup(r.text, 'lxml')

div_list = soup.find_all('div', {'class': 'span1'})

city_aqi = []

for i in range(8):

div_content = div_list[i]

# caption = div_content.find('div', {'class': 'caption'}).text.strip() # strip()去空格

value = div_content.find('div', {'class': 'value'}).text.strip()

city_aqi.append(value)

return city_aqi

def get_all_cities():

# 获取所有城市

url = 'http://pm25.in/'

city_list = []

r = requests.get(url, timeout=30)

soup = BeautifulSoup(r.text, 'lxml')

city_div = soup.find_all('div', {'class': 'bottom'})[1]

city_link_list = city_div.find_all('a')

for city_link in city_link_list:

city_name = city_link.text

city_pinyin = city_link['href'][1:]

city_list.append((city_name, city_pinyin))

return city_list

def main():

city_list = get_all_cities()

header = ['city', 'AQI', 'PM2.5/1h', 'PM10/1h', 'CO/1h', 'NO2/1h', 'O3/1h', 'O3/8h', 'SO2/1h']

with open('china_city_aqi.csv', 'w', encoding='utf-8', newline='') as f:

writer = csv.writer(f)

writer.writerow(header)

for i, city in enumerate(city_list):

if (i+1) % 10 == 0:

print('已处理第{}条记录，共{}条记录'.format(i+1, len(city_list)))

city_name = city[0]

city_pinyin = city[1]

city_aqi = get_city_aqi(city_pinyin)

row = [city_name] + city_aqi

writer.writerow(row)

if __name__ == '__main__':

main()

九、空气质量指数计算V9.0

主要知识点：pandas模块：强大的分析结构化数据的工具集，基础是numpy，提高了高性能矩阵的运算，主要应用于数据分析和数据挖掘，提供数据清洗功能

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V9.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件@3.0功能：读取已经获取的JSON数据文件，并将其转换成CSV文件@4.0功能：根据输入的文件判断是JSON格式还是CSV格式，并进行相应的操作@5.0功能：利用网络爬虫实时获取城市的空气质量指数@6.0功能：利用beautifulsoup4获取所有城市的空气质量@7.0功能：获取所有城市空气质量数据@8.0功能：将获取的所有城市空气质量保存成CSV数据文件@9.0功能：利用pandas进行数据处理分析"""

import pandas as pd

def main():

aqi_data = pd.read_csv('china_city_aqi.csv')

print('基本信息：')

print(aqi_data.info())

print('数据预览：')

print(aqi_data.head(5))

# print(aqi_data[['city', 'AQI']])

# 基本统计

print('AQI最大值', aqi_data['AQI'].max())

print('AQI最小值', aqi_data['AQI'].min())

print('AQI均值', aqi_data['AQI'].mean())

# top10

top10_cities = aqi_data.sort_values(by=['AQI']).head(10) # 默认升序排列

print('空气质量最好的10个城市：')

print(top10_cities)

# bottom10

# bottom10_cities = aqi_data.sort_values(by=['AQI']).tail(10)

bottom10_cities = aqi_data.sort_values(by=['AQI'], ascending=False).head(10)

print('空气质量最差的10个城市：')

print(bottom10_cities)

# 保存CSV文件

top10_cities.to_csv('top10_aqi.csv', index=False)

bottom10_cities.to_csv('bottom10_aqi.csv', index=False)

if __name__ == '__main__':

main()

十、空气质量指数计算V10.0

主要知识点：用pandas模块进行数据可视化

数据清洗

# -*- coding:utf-8 -*-

"""@author:Angel@file:AQI_V10.0.py@time:2018/11/28 14:29@1.0功能：AQI计算@2.0功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件@3.0功能：读取已经获取的JSON数据文件，并将其转换成CSV文件@4.0功能：根据输入的文件判断是JSON格式还是CSV格式，并进行相应的操作@5.0功能：利用网络爬虫实时获取城市的空气质量指数@6.0功能：利用beautifulsoup4获取所有城市的空气质量@7.0功能：获取所有城市空气质量数据@8.0功能：将获取的所有城市空气质量保存成CSV数据文件@9.0功能：利用pandas进行数据处理分析@10.0功能：数据清洗，利用pandas进行数据可视化"""

import pandas as pd

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

def main():

aqi_data = pd.read_csv('china_city_aqi.csv')

print('基本信息：')

print(aqi_data.info())

print('数据预览：')

print(aqi_data.head(5))

# print(aqi_data[['city', 'AQI']])

# 数据清洗，只保留AQI大于0的数据

filter_condition = aqi_data['AQI'] > 0

clean_aqi_data = aqi_data[filter_condition]

# 基本统计

print('AQI最大值', clean_aqi_data['AQI'].max())

print('AQI最小值', clean_aqi_data['AQI'].min())

print('AQI均值', clean_aqi_data['AQI'].mean())

# top50

top50_cities = clean_aqi_data.sort_values(by=['AQI']).head(50) # 默认升序排列

top50_cities.plot(kind='bar', x='city', y='AQI', title='空气质量最好的50个城市', figsize=(20, 10))

# 图片保存

plt.savefig('top50_AQI_bar.png')

plt.show()

if __name__ == '__main__':

main()

图形如下：

weixin_39531374
关注
【每天学点Python】案例八：空气质量指数计算
dmcmchyy682526的博客
10-16 1055
V1.0功能：AQI计算 案例描述： 案例分析： 实现步骤： 实现每种污染物对应的AQI函数，一个输入参数，即Cp 实现线性缩放函数，5个输入参数 上机实验： 1 #!/usr/bin/env python 2 # -*- coding:utf-8 -*- 3 # author: Kevin.Wang 4 # time :...
python数据分析实战之AQI分析
恋恋风尘的博客
04-19 2635
1、数据分析的基本流程 明确需求和目的 数据收集（内部数据、购买数据、爬取数据、调查问卷、其它收集） 数据预处理（数据整合、数据清洗、数据转换等） 数据分析（描述分析、推断分析、数据建模、数据可视化等） 编写报告 2、明确需求和目的 AQI：空气质量指数，用来衡量空气清洁或污染的程度，值越小，表示空气质量越好。 2.1 需求和目的 运用数据分析的相关技术，对全国城市空气质量进行研究和分析，...
Python3 计算空气质量指数AQI
SunWuKong_Hadoop的博客
05-23 4613
#coding=utf-8 import pymysql con = pymysql.connect( host = 'localhost', port = 3306, user = 'root', passwd = 'root', db = 'lqioc_ioc_yw', charset = 'utf8') cur = con.cursor() #连接数据库 pollutant3 = {'S...
空气质量提醒 BMI指数计算 Python123题解
qq_61661717的博客
04-01 2375
描述 根据键盘输入的PM值提示不同的信息‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬ 如果0<=PM<35 输出 “空气优”‪‬‪‬‪‬‪‬‪‬‮‬‭‬‫‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‪‬‮‬‪‬‪‬‪‬‪‬‪‬‮‬‭‬‪‬‪‬‪‬‪‬‪‬‪‬‮‬‫‬‪‬ 如果35&lt...
Python小程序(8)--空气质量指数计算+爬虫获取空气质量指数+数据分析
学习随笔
05-28 8911
版本1.0 ''' 功能：AQI计算 版本：1.0 ''' def cal_linear(iaqi_lo,iaqi_hi,bp_lo,bp_hi,cp): ''' 范围缩放 ''' iaqi = (iaqi_hi-iaqi_hi)*(cp-bp_lo)/(bp_hi-bp_lo) + iaqi_lo return iaqi def ca...
python空气质量指数计算_Python入门案例（八）：空气质量指数(AQI)计算
weixin_39895481的博客
12-19 4192
一、空气质量指数计算V1.0主要知识点：分支结构、函数、异常处理# -*- coding:utf-8 -*-"""@author:Angel@file:AQI_V1.0.py@time:2018/11/28 14:29@1.0功能：AQI计算"""def cal_linear(iaqi_lo, iaqi_hi, bp_lo, bp_hi, cp):# 线性缩放iaqi = (iaqi_hi - i...
【Python】绘制空气质量日历图_绘制日历图python
最新发布
m0_60635176的博客
05-01 533
在github中经常可以看到下面的日历图，可以用来表示每一天在github上的活跃程度。类似的方法也可以用到空气质量的可视化方式中来，只要有每天的空气质量指数就可以。
Python案例—AQI 空气质量指数系列总结
Z_Howe01的博客
02-11 4923
版本 3.0 功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件 """ 作者：Z_Howe 版本：3.0 功能：计算空气质量指数(Air Quality Index) 新增功能：读取已经获取的JSON数据文件，并将AQI前5的数据输出到文件 日期：2019/1/29 · JSON库是处理JSON格式的Python标准库 ...
LSTM模型提升空气质量指数预测精度：北京市案例研究
他们关注到空气中的污染物浓度，特别是PM2.5和PM10对空气质量指数(AQI)的重要影响，这两个微粒能显著降低能见度并对人体心血管系统构成潜在威胁。为了提升空气质量预测的精确性和效率，研究者利用Python 3.6构建了一...
零基础Python入门-课程大纲.docx
03-31
Python 入门课程大纲 ...第十章：案例 8 -- 空气质量指数(AQI)计算及分析 * 通过 AQI 计算的案例，学习分支结构、函数和异常处理 * 学习 JSON 文件格式和 CSV 文件格式的操作及 NumPy 中的向量化操作
python获取空气质量指数
04-07
利用python 爬虫工具，可以获取空气质量指数ppt和空气质量指数，
小象学院—小象学院—Python学习联盟09—空气质量指数计算
weixin_41259130的博客
05-24 1659
1.0版本： 具体代码： ''' 空气质量 版本：1.0 ''' def cal_aqi(param_list): ''' 计算AQI ''' pm_val = param_list[0] co_val = param_list[1] pm_iaqi = cal_pm_iaqi(pm_val...
Python入门基础-十一、案例8 空气质量指数计算 #JSON、CSV格式#列表排序#with语句操作文件#os模块#网络爬虫#requests模块#BeautifulSoup解析网页#Pandas
夏普通
11-30 1403
空气质量指数计算 1.0 • JSON数据文件操作
Python的学习笔记案例8--空气质量指数计算10.0
蓝星部队的博客
09-15 511
本课程的最后一节，值得庆贺一下。 今天是一个特别的日子。3.8妇女节！！！祝天下的女人节日快乐！疫情早点过去，白衣天使早日休息！ 处理缺失数据 dropna()丢弃缺失数据 fillna()填充缺失数据 数据过滤 df[filter_condition]依据filter_condition对数据进行过滤 """ 作者：lanxingbudui 日期：2020-03-08 ...
Python的学习笔记案例8--空气质量指数计算6.0
蓝星部队的博客
09-15 543
前面几节讲到网络爬虫，但是在分析数据时效率不高。 鉴于网页中HTML的树形结构，我们可以引入一个新的库--BeautifulSoup4用于解析HTML或XML。 如何安装第三方库：BeautifulSoup4？（我会新增一篇文章讲如何安装第三方库，此节不多说。） 1、默认是安装在Anaconda中 2、如果没有安装可以在命令窗口cmd中执行以下命令： pip install beaut...
python学习笔记（空气质量指数）
Troublemaker丶的博客
01-18 4436
每天30min学习python—空气质量指数1.0 实现功能： 根据步骤，计算空气质量指数 知识点： 空气质量指数计算公式 (IAQIp)=IAQIHH−IAQILoBPH−BPLo(CP−BPLo)+IAQILo \left(\mathrm{IAQI}_{\mathrm{p}}\right)=\frac{\mathrm{IAQI}_{\mathrm{H}_{\mathrm{H}}...
AQI计算公式
11-22
AQI计算公式
Python案例—AQI 空气质量指数
Z_Howe01的博客
01-30 4556
""" 作者：Z_Howe 版本：1.0 功能：计算空气质量指数(Air Quality Index) 日期：2019/1/29 """ def cal_linear(iaqi_lo, iaqi_hi, bp_lo, bp_hi, cp): """ 范围缩放 """ iaqi = (iaqi_hi - iaqi_l
基于Python的空气质量数据分析与实践
m0_73485263的博客
10-01 3116
Pandas是Python当中的一个拓展的库，Pandas里面包含了大量的标准数据类型并且提供了高效操作大型数据的工具，对于数据的处理，pandas可以做到非常的高效，并且可以与多种类库共同使用，对编程者非常友好。同时Pandas也提供了集中数据结构供使用者使用：1. Series: 一维数组，类似于List列表的一种数据结构，但是Series与List有一些不同之处，就是Series只允许储存相同数据类型的数据，这样有利于内存分配同时提高运算效率。数据库中相同列的数据也是起着同样作用。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值