北京雾霾数据分析
来源:互联网 发布:Java 动态条件计算 编辑:程序博客网 时间:2024/05/01 09:32
2016年北京雾霾数据初步分析
最近拿到了美国人收集的北京PM2.5指数数据,数据是从2008年到2016年每小时的pm2.5浓度值。这学期零零散散学习了一些python下pandas的数据分析,正好可以用来试试手,试着分析一下雾霾数据,在试着做做预测。
首先,先将数据怼进来,然后做一下简单处理,除去异常值(小于0)的数值。
import pandas as pdDataSet2016 = pd.read_csv('G:/数据集/北京雾霾数据08-16/Beijing_2016_HourlyPM25_created20170103.csv')DataSet2016_clear = DataSet2016[DataSet2016['Value']>=0]ValueList = DataSet2016_clear['Value']ValueList.index = DataSet2016_clear['Date (LST)']ValueList.plot()DataSet2016_clear['Date (LST)'] = pd.to_datetime(DataSet2016_clear['Date (LST)'])DataSet2016_clear = DataSet2016_clear.set_index(['Date (LST)'])
可以看到,除了个别天爆表,其他的还都在可控范围内嘛。。。
下面是按月,天,小时,星期平均分析
#按月分析Data_Monthly = DataSet2016_clear.groupby(['Month']).mean()Value_Monthly = Data_Monthly['Value']Value_Monthly.plot(kind = 'bar')
#按天分析Data_Daily = DataSet2016_clear.groupby(['Day']).mean()Value_Daily = Data_Daily['Value']Value_Daily.plot(kind = 'bar')#按小时分析Data_Hourly = DataSet2016_clear.groupby(['Hour']).mean()Value_Hour = Data_Hourly['Value']Value_Hour.plot(kind = 'bar')#按星期分析DataSet2016_clear['Week'] = DataSet2016_clear.index.weekdayData_WeekDay = DataSet2016_clear.groupby(['Week']).mean()Value_weekday = Data_WeekDay['Value']Value_weekday.plot(kind = 'bar')
可见,雾霾指数还是跟星期几有较强关系
0 0
- 北京雾霾数据分析
- 北京数据分析师行业数据分析
- 如何用Python爬取分析北京二手房数据?
- 北京雾霾
- 【分享】舆情事件分析(北京雾霾事件985篇)
- Python数据分析练习:北京、广州PM2.5空气质量分析(1)
- Python数据分析练习:北京、广州PM2.5空气质量分析(2)
- 2017年第五届北京大数据与分析创新峰会将于11月在北京召开
- 十张数据图回顾雾霾,北京污染从南向北加深趋势明显
- 北京Loft投资分析
- 北京搜狐大数据
- 北京汉传佛寺游人评价数据的抓取与分析(1)
- 北京汉传佛寺游人评价数据的抓取与分析(2)
- 北京Workshop准备条件:《云数据•大计算:快速搭建互联网在线运营分析平台》
- 北京地图矢量数据下载
- 大数据分析与人工智能技术与应用特别训练营7月28日-29日 | 北京
- 北京雾霾指数再度爆表!创业者们已经纷纷逃离北京
- 互联网安全分析:Botnet,北京,中国,美国
- 程序员面试金典: 9.10 扩展性与存储限制 10.2寻找社交网站中的朋友路径
- linux下python sys.path永久添加自己的模块路径(caffe)
- mysql select into注意事项
- echarts初次使用,自定义china-map省份默认颜色
- 轮回 第一章 降生
- 北京雾霾数据分析
- 加载JIF动画的几种方法
- 第一次写博客,记录一下刚才看到新的函数next_permutation()
- hdu Humble Numbers(打表)
- php 常用的算数排序
- JS常用运算符及其优先级
- 后知后觉,今年开始做HL7编程
- 一名普通大三Android程序猿的2016总结
- jQuery学习(一)