2006-2010年美国纽约市空气中一氧化碳污染情况分析

一、概述
本次分析所要处理的数据表格是2006-2010 年美国五个著名城市纽约（New York）、华盛顿（Washington）、休斯顿（Houston）、洛杉矶(Los Angeles)、费城（Philadelphia）的空气中一氧化碳（CO）污染情况，主要分析城市纽约的CO污染情况。
CO 污染物有 5 个专栏：CO 单位（CO Unites）：测量 CO 的单位；CO 平均值（CO Mean）：给定日内 CO 浓度的算术平均值；CO 第一最大值（CO 1st Max Value）：给定日期的 CO 浓度的最大值；CO 第一最大值时间：（CO 1st Max Hour）：给定日期的 CO 浓度的最大值所处的时间；CO AQI：一天内 CO 计算的空气质量指数。
原始数据在
二、流程图
程序的大致流程图如下：

三、流程的具体分析
0.整体结构。
首先，整体上设置一个循环结构。以便运行时能够按指令运行代码或退出。整体框架代码如下：

 def main():while True:menu()choice = input("请选择:").strip()if choice == '1':elif choice == '2':  elif choice == '3':elif choice == '4':else:print("已退出。")breakif __name__ == '__main__':main()

1.设置菜单。
将流程图中需要完成的数据处理任务以字符串形式放入菜单中，定义一个menu()函数，在程序运行之初打印菜单，以供选择需要处理数据的部分和方式。
指令菜单包括：
1.读取数据前五行和后两行 (任务一)
2.数据预处理 (任务一)
3.数据CO Mean导出并可视化 (任务二、三）
4.数据CO AQI导出并可视化 (任务四、五)
5.退出
2.数据查看和预处理。（任务一）
定义main()函数，其中包含菜单的打印。引入pandas库，读取数据文件。按照任务要求进行查看前五行和后两行。

df=pd.read_csv('5.pollution_us_5city_206_2010_co.csv')
print(df.head(5))
print(df. loc[53218:53220])

数据的预处理即除去表格中缺失值，以使数据具有真实性。

df=df.dropna()               #将缺失值丢弃。
print(df)
df.to_csv('pollution_new.csv')   #剩余数据存入新文件。

3.筛选数据，画关于CO Mean折线图。（任务二、三）
读取新文件中的数据后，导出纽约市相关需要分析的数据，命名为新文件。

df2 = df.loc[df['City'] == 'New York']     #导出纽约市数据。df3 = df2.drop(['ID','State Code','County Code','Site Num','Address','State','County','CO Units','CO 1st Max Value','CO AQI','Unnamed: 0'],axis=1)
df3.to_csv('pollution_us_NewYork_2006_2010_CO.txt',index=0)   #导出为新文件。

筛选出时长为20对应数据。

df = df.loc[eval("df['CO 1st MaxHour']") == 20]     #筛选出最大时长为20的数据。
df.to_csv('pollution_us_NewYork_2006_2010_CO.scv')   #该段时间的数据存入文件。

引入matplotlib库，设置折线图性质，画出折线图。

import matplotlib.pylab as pl
import matplotlib.pyplot as plt       #引入matplotlib库。
x = df_num['all']
y = df_num['CO Mean']        #x、y的含义。
pl.plot(x,y,label='CO Mean',color='red')pl.xlabel('Year',fontsize=18)pl.ylabel('CO Mean',fontsize=18)plt.xticks(range(0,50,8))     #设置起始和坐标间距。
pl.title('Change curve of CO Mean with years',fontsize=24)   #标题。
pl.legend()           #图例。
pl.show()             #绘图。

4.筛选并排序数据，画关于CO AQI的饼状图。（任务四、五）
读取预处理后的文件，筛选出所需数据。

df = df.dropna()
df.to_csv('pollution_new.csv')
df =pd.read_csv('pollution_new.csv')
df2 = df.loc[df['City'] == 'New York']    df3 = df2.drop(['ID','State Code','County Code','Site Num','Address','State','County','CO Units','CO 1st Max Value','CO Mean','CO 1st Max Hour','Unnamed: 0'],axis=1)

运用内置函数sort将数据按AQI大小降序排列并输出。

df = df3.sort_values(by='CO AQI',ascending=False)

输出为新的Excel文件，读取文件。将数据按category = [0, 5, 10, 15，20，25，30]和 labels = [‘Good’, ‘Moderate’, ‘SubUnhealthy’, ‘Unhealthy’, ‘VeryUnhealthy’, ‘Hazardous’]将 CO AQI 进行离散化。

df = df['CO AQI']
category = [0,5,10,15,20,25,30]
df_AQI = pd.cut(df,category)
pd.cut(df,category,right=False)
labels = ['Good','Moderate','SubUnhealthy','Unhealthy','VeryUnhealthy','Harzardous']
df_AQI = pd.cut(df,category,right=False,labels=labels)
pd.cut(df,7)print("数据已按要求离散化。")

将离散化后的数据进行统计，计算每种标签的占比。

df_series =df_AQI.value_counts(normalize=True)
print(df_series)
df_series.values.tolist()

设置饼状图的规格和颜色等性质，将数据按比例化成饼状图。

labels =['Good','Moderate','SubUnhealthy','Unhealthy','VeryUnhealthy','Harzardous']
colors =('red','blue','yellow','green','pink','purple')
explode = (0,0,0,0,0,0)
fig = plt.figure(num=1,figsize=(5,5),dpi=310,facecolor='white')     ax = fig.gca()       ax.pie(df_series,explode=explode,labels=labels,colors=colors,pctdistance=0.8,                   autopct='%1.1f%%',shadow=True,startangle=90,radius=4,center=(0,0),counterclock=False)  #设置饼状图规格。      ax.set_xticks([0,3])
ax.set_yticks([0,3])
plt.show()

四、结果分析
1.CO Mean 数据结果分析

单看各个年份内，CO平均值的数据波动较大，可见纽约市的空气CO含量随时间推移波动大，但每年内基本持平。整体来看，CO含量的多年均值从0.55左右下降至0.4左右，但每年的峰值基本不变。可见从2006至2010年间，纽约空气中污染物CO含量总体呈下降趋势，空气质量略有转好，但间歇性出现CO含量高。
2.CO AQI 数据结果分析

标签占比
Good 0.723987
Moderate 0.1309320
SubUnhealthy 0.124759
Unhealthy 0.015949
VeryUnhealthy 0.004116
Harzardous 0.000257

通过查阅百度百科：发现AQI分为六级，值越大，空气质量越差，计算时按照如下方式：各种污染物的AQI值分别算出来后，取数值最大的那个即为最终报告的AQI值。
观察饼状图得CO良好程度污染（Good）的天数占比最大，高达72%，中等程度（Moderate）污染次之，约占13%，其后对应标签天数由大到小的分别是较健康（SubUnhealthy）、不健康（Unhealthy）、非常不健康（VeryUnhealthy）、危险（Harzardous）。可见CO污染程度良好和中等天数的和占到85%以上，所以纽约就CO这一空气观测指标而言，空气质量较好，质量良好的天数占比很高。

所处理原始数据表格如下
https://share.weiyun.com/Vx8XlhF6

2006-2010年美国纽约市空气中一氧化碳污染情况分析相关推荐

计算机信息课堂教育形势分析,信息技术在教学中的应用情况分析
田鸽摘要今后的学习,应该是教师的教与学生的学的有机结合,不应该是教师在课堂上简单的教学资源的再现,而应该是教师的教育与学生资源再现的综合利用,是一种更有效地教育信息的传递,利用信息技术的优越性, ...
2010年美国计算机图书市场Part1
2010年美国计算机图书市场本报告的作者是O'Reilly公司的Mike Hendrickson.Mike连续多年撰写美国计算机图书市场分析报告,并在O'Reilly Radar上发布(http:/ ...
史密斯探测证实，BioFlash可检出空气中的SARS-CoV-2变异株，包括德尔塔和德尔塔+
其他新出现变异株的检测正在确认当中伦敦--(美国商业资讯)--威胁检测和安全筛查技术的全球领导者史密斯探测(Smiths Detection)今天证实,其空气采样器BioFlash®能检出多种SAR ...
从空气中直接采集DNA！eDNA技术有了新突破
热点追踪 / 深度探讨 / 实地探访 / 商务合作文章来源:雷锋网文章作者:付静文章编辑:Ocean DNA,是生物体发育和正常运作必不可少的.携带遗传信息的生物大分子. 即便是两个没有血缘 ...
计算机音乐组获奖作品,浙传王俊老师的电子音乐作品入选2019国际计算机音乐大会（ICMC）暨2019美国纽约市电子音乐节！...
原标题:浙传王俊老师的电子音乐作品入选2019国际计算机音乐大会(ICMC)暨2019美国纽约市电子音乐节! 喜讯!浙江传媒学院音乐学院艺术科技系青年教师王俊作品入选2019国际计算机音乐大会(ICM ...
扬尘天气在家如何防护措施家里空气中的沙尘怎么处理
扬尘天气在家如何防护措施家里空气中的沙尘怎么处理大风起兮尘飞扬风越强来,天越黄-- 随沙尘而来的还有呼呼呼的大风刚刚过了一周 "阳光正好,微风不燥"的日子还没好好感受春花 ...
饱和气压与温度的关系_不同温度下空气中饱和水分含量及饱和蒸汽压
不同温度下空气中饱和水分含量及饱和蒸汽压温度℃ 饱和水分含量g/m3 饱和蒸汽压Pa 温度℃ 饱和水分含量g/m3 饱和蒸汽压Pa 40 50.91 7368.624 -12 1.81 217.38 ...
Python已成美国顶尖高校中最受欢迎的入门编程语言
在最近的一份调查中显示,美国top高校中,Python已经成为教授计算机科学入门课程方面最受欢迎的语言.其中Top10 CS系中有8所使用Python,Top39 CS系中有24所,在入门课程中教授P ...
收发一体超声波测距离传感器模块_空气中70KHZ超声波换能器传感器探头DYA-70-03A测距探头3米量程...
空气中70KHZ超声波换能器传感器探头DYA-70-03A测距探头3米量程 CT50数字式超声波探伤仪焊缝探伤测量仪器金属探伤检测仪现货,上海身高体重秤超声波身高体重秤全自动身高体重称测量仪 ...

2006-2010年美国纽约市空气中一氧化碳污染情况分析

2006-2010年美国纽约市空气中一氧化碳污染情况分析相关推荐

最新文章

热门文章