国家空气质量指数规范

python 空气质量AQI 数据分析与预测----用到的库，数据集，数据清洗-附件资源

文章目录1、数据分析的基本流程2、明确需求和目的2.1 需求和目的3、数据收集4、数据预处理4.1 数据整合4.1.1 加载相关库和数据集4.1.2 数据总体概览4.2 数据清洗4.2.1 缺失值的处理4.2.2 异常值的处理4.2.3 重复值的处理5、数据分析5.1 描述性统计分析（1）哪些城市的空气质量较好/较差？（2）对城市的空气质量按照等级划分，每个等级城市数量分布情况如何？（3）空气质量在地里位置分布上，是否具有一定的规律性？5.2 推断统计分析（1）临海城市的空气质量是否有别于内陆城市？（2）全国城市空气质量普遍处于何种水平？5.3 相关系数分析（1）空气质量主要受哪些因素影响？6

AQI可视化 空气污染可视化系统 相关链接 后台： ： Docker部署方案： : Docker仓库： 邮递区号： ：//store.docker.com/community/images/cstao/aqi-postgis django： ： nginx： ： 生成步骤 # 安装依赖 yarn # 以开发模式运行在 2018 端口 yarn dev # 生成应用程序 yarn build # 单元测试和端到端测试 yarn test # 对 src 文件夹下的 Vue/Js 文件进行语法检查 yarn lint 贡献者

AQI指数计算器是一款非常方便的空气污染指数计算器，输入各项污染物浓度，就可以算出AQI指数。

输入污染物浓度，自动显示分指数、AQI、首要污染物、级别、描述等内容

本篇博客会带你学习： 数据分析流程 特征工程 缺失值、异常值、重复值的处理 箱线图怎么判断异常值 观察散点图、箱型图、箱线图等进行分析 两独立样本T检验 用到的库：numpy 、pandas、 matplotlib、 seaborn 让我们开始吧！！！ AQI分析与预测1、AQI 分析与预测1.1 背景信息1.2 学习任务说明1.3 数据集描述2、数据分析流程3、读取数据3.1 导入相关的库3.2 加载数据集4、数据清洗4.1 缺失值4.1.1 缺失值探索4.1.2 缺失值处理4.1.2.1 数据分布4.1.2.2 填充数据4.2 异常值4.2.1 异常值探索4.2.1.1 describe

2013-2021年山西省11各地级市AQI、NO2(μg/m³) O3(μg/m³) PM10(μg/m³) PM2.5(μg/m³) SO2(μg/m³) CO(mg/m³)等指标下载。

本人之前用于数学建模比赛时在网上苦苦寻找出的资源，属于秦皇岛的AQI数据，共有一年内共52周数据，可用于定性分析

前言：上一篇对AQI进行了分析，这一篇根据对以往的数据，建立一个模型，可以将模型应用于未知的数据，来进行AQI的预测。 文章目录1、加载相关库和数据集2、数据处理和转换2.1 简单的数据处理2.2 数据转换3、建立基模型4、特征选择4.1 RFECV4.2 使用RFECV进行特征选择5、异常值处理5.1 使用临界值进行填充5.2 分箱离散化6 、残差图分析6.1 异方差性6.2 离群点 1、加载相关库和数据集 使用的库主要有：pandas、numpy、matplotlib、seaborn、sklearn 使用的数据集：2015年空气质量指数（AQI）数据集 import numpy as