python问题中国五城市pm2.5_数据之路- 中国五城市PM2.5数据解读

最新推荐文章于 2022-04-21 21:35:41 发布

weixin_39758392

最新推荐文章于 2022-04-21 21:35:41 发布

阅读量723

点赞数

文章标签： python问题中国五城市pm2.5

本文链接：https://blog.csdn.net/weixin_39758392/article/details/111419916

版权

本文通过分析Kaggle上的中国五大城市PM2.5数据，展示了从2010年至2015年间各城市PM2.5指数的变化趋势。北京的PM2.5指数最高，而广州最低。2013年后，除沈阳外，其他城市PM2.5指数呈下降趋势。研究发现，夏季空气质量普遍优于冬季，且北京的空气质量受露点、湿度和风速影响显著。12月是全年空气质量最差的月份，北京有8天达到严重污染。

摘要由CSDN通过智能技术生成

PM2.5大家一定都不会陌生，特别是在北京生活的小伙伴们。PM2.5是指大气颗粒物(PM)，其直径小于或等于2.5微米。在环境科学中，特指悬浮在空气中的固体颗粒或液滴，是空气污染的主要来源之一。

本文旨在探寻中国五大城市的PM2.5指数的数据情况@中国五城市PM2.5数据解读

PM2.5大家一定都不会陌生，特别是在北京生活的小伙伴们。PM2.5是指大气颗粒物(PM)，其直径小于或等于2.5微米。在环境科学中，特指悬浮在空气中的固体颗粒或液滴，是空气污染的主要来源之一。本文旨在探寻中国五大城市的PM2.5指数的数据情况及变化趋势，发现一些潜在规律并试图找到和PM2.5相关的一些天气因素。

数据整理和清洗

文中采用的数据集下载自Kaggle，基础数据如下：

先使用python对数据集进行了整理，将五张数据表合并为一张表，并删除暂不分析的数据，然后进行数据清洗，剔除其中为NA的数据。合并后数据格式如下：

其中 PM_US_Post表示PM2.5的数值，时间精确到小时，使用 year、month、day、hour共同描述，即每一天有24条记录，还有一些字段是专业数据我们会在后面介绍

使用python做了基础数据整理后，我们再使用Tableau进行可视化分析展示我们先来看一下2010年至2015年，这五大城市的PM2.5指数的大体趋势情况：

var divElement = document.getElementById('viz1540953014407'); var vizElement = divElement.getElementsByTagName('object')[0]; vizElement.style.width='100%';vizElement.style.height=(divElement.offsetWidth*0.75)+'px'; var scriptElement = document.createElement('script'); scriptElement.src = 'https://public.tableau.com/javascripts/api/viz_v1.js'; vizElement.parentNode.insertBefore(scriptElement, vizElement);

上图可见，截至2015年，五大城市中，以北京PM2.5指数值最高，广州的PM2.5的指数值最低。北京、上海、广州、成都自2013年以来PM2.5指数值都持续有所下降，唯独沈阳2013年PM2.5指数升高，目前已经排名第二位。

总体来说PM2.5的指数有所下降，环境问题得到了改善。

让我们再聚焦到2015年，看看PM2.5的数据情况：

var divElement = document.getElementById('viz1540882921951'); var vizElement = divElement.getElementsByTagName('object')[0]; vizElement.style.width='100%';vizElement.style.height=(divElement.offsetWidth*0.75)+'px'; var scriptElement = document.createElement('script'); scriptElement.src = 'https://public.tableau.com/javascripts/api/viz_v1.js'; vizElement.parentNode.insertBefore(scriptElement, vizElement);

上图可见，在采样数据基本均匀的情况下，五城市在不同季节呈现出了明显的差异。在夏季各地的空气质量都是比较不错的，表现最差的北京在夏季PM2.5的平均值也能达到50，而到了冬季，各地的污染指数都远大于夏季，北京的PM2.5均值达到了120。

我们在来看看具体到每月的情况：

var divElement = document.getElementById('viz1540883707822'); var vizElement = divElement.getElementsByTagName('object')[0]; vizElement.style.width='100%';vizElement.style.height=(divElement.offsetWidth*0.75)+'px'; var scriptElement = document.createElement('script'); scriptElement.src = 'https://public.tableau.com/javascripts/api/viz_v1.js'; vizElement.parentNode.insertBefore(scriptElement, vizElement);

PM2.5的分级标准为：优 35微克(ug)/每立方

良 35~75微克(ug)/每立方

轻度污染 75~115微克(ug)/每立方

中度污染 115~150微克(ug)/每立方

重度污染 150~250微克(ug)/每立方

严重污染 250及以上微克(ug)/每立方

上图可见，拥有最多优质天气的城市是广州，6月份中收获了29个优质天气，全年优质天气最多的月份在九月。而拥有最多严重污染的城市是北京，在12月有8天达到了严重污染。12月也是全年中空气质量最差的一个月。

既然这样，我们就试着分析一下，北京的空气质量这么差到底与哪些因素有关。我们先看一下北京全年的PM2.5指数及相关几个系数的走势图：

var divElement = document.getElementById('viz1540953974930'); var vizElement = divElement.getElementsByTagName('object')[0]; vizElement.style.width='100%';vizElement.style.height=(divElement.offsetWidth*0.75)+'px'; var scriptElement = document.createElement('script'); scriptElement.src = 'https://public.tableau.com/javascripts/api/viz_v1.js'; vizElement.parentNode.insertBefore(scriptElement, vizElement);

这里我们先了解几个指标系数： 1. DEWP: 露点 2. TEMP: 温度 3. PRES:气压 4. cbwd: 组合风向 5. Iws: 累积风速 6. HUMI：湿度 7. precipitation：降水

依据上图我们简单可以看出，PM2.5的走势跟露点、湿度变化的走势是比较吻合的，而和累计风速则成反向变动。所以我们看在夏季，虽然露点和湿度的曲线变化比较大，但因为风力平稳持续，所以PM2.5曲线平稳。到了冬季大部分日子风力比较弱，PM2.5曲线同露点和湿度曲线变化就非常贴近了。

我们选取1月份PM2.5数值最大的一天，来看看当天的数据变化情况：

var divElement = document.getElementById('viz1540886857333'); var vizElement = divElement.getElementsByTagName('object')[0]; vizElement.style.width='100%';vizElement.style.height=(divElement.offsetWidth*0.75)+'px'; var scriptElement = document.createElement('script'); scriptElement.src = 'https://public.tableau.com/javascripts/api/viz_v1.js'; vizElement.parentNode.insertBefore(scriptElement, vizElement);

上图可见13时为全天PM指数最高时段，同时露点和湿度也是峰值，而此时风力相对较小。而风力最大时段是在上午8时，此时PM指数全天最小。 PM2.5确实是个很大的课题，专业程度又比较高，基于目前的字段信息就先分析到这里了，期待后续有了更多的知识和技术积累，能分析出更多有意义的观点了。及变化趋势，发现一些潜在规律并试图找到和PM2.5相关的一些天气因素。

## 数据整理和清洗

文中采用的数据集下载自Kaggle，基础数据如下：

先使用python对数据集进行了整理，将五张数据表合并为一张表，并删除暂不分析的数据，然后进行数据清洗，剔除其中为NA的数据。

合并后数据格式如下：

其中 PM_US_Post表示PM2.5的数值，时间精确到小时，使用 year、month、day、hour共同描述，即每一天有24条记录，还有一些字段是专业数据我们会在后面介绍

使用python做了基础数据整理后，我们再使用Tableau进行可视化分析展示

我们先来看一下2010年至2015年，这五大城市的PM2.5指数的大体趋势情况：

上图可见，截至2015年，五大城市中，以北京PM2.5指数值最高，广州的PM2.5的指数值最低。

北京、上海、广州、成都自2013年以来PM2.5指数值都持续有所下降，唯独沈阳2013年PM2.5指数升高，目前已经排名第二位。

总体来说PM2.5的指数有所下降，环境问题得到了改善。

让我们再聚焦到2015年，看看PM2.5的数据情况：

上图可见，在采样数据基本均匀的情况下，五城市在不同季节呈现出了明显的差异。