【Python】芜湖市空气质量指数可视化（散点图、分类散点图、单变量分布图、线性回归拟合图、相关性热力图）

悠悠 2023-10-09 21:12 76阅读 0赞

### 【Python】芜湖市空气质量指数可视化 ###

> 本文仅供学习参考，如有错误，还请指正！

#### 一、简介 ####

空气质量指数（Air Quality Index，AQI ）简而言之就是能够对空气质量进行定量描述的数据。空气质量(Air Quality )的好坏反映了空气污染程度，它是依据空气中污染物浓度的高低来判断的。空气污染是一个复杂的现象，在特定的时间和地点，空气污染物浓度受到许多因素影响。  
下图是安徽芜湖市2020年空气质量指数的部分数据，请使用所给数据完成下列任务。

![image-20230503144511320][]

#### 二、题目要求 ####

（1）使用pandas库读取芜湖市2020年空气质量指数统计数据。

（2）绘制AQI和PM2.5的关系散点图。

（3）绘制空气质量等级分类散点图。

（4）绘制空气质量等级单变量分布图。

（5）绘制PM2.5与AQI的线性回归拟合图。

（6）计算相关系数。

（7）绘制特征相关性热力图。

#### 三、输出结果 ####

> **AQI和PM2.5的关系散点图**

![image-20230503144633410][]

> **绘制空气质量等级分类散点图**

![image-20230503144713886][]

> **绘制空气质量等级单变量分布图**

![image-20230503144735196][]

> **绘制PM2.5与AQI的线性回归拟合图**

![image-20230503144800026][]

> **计算相关系数**

![image-20230503144817846][]

> **绘制特征相关性热力图**

![image-20230503144832898][]

#### 四、源代码 ####

# 何壮壮 20302211009
    import pandas as pd
    import seaborn as sn
    import matplotlib.pyplot as plt
    
    # 正常显示中文标签
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['font.family'] = 'sans-serif'
    
    # 1、读取数据
    aqi = pd.read_csv('aqi.csv', encoding='gbk')
    # ['日期', 'AQI', '质量等级', 'PM2.5含量（ppm）', 'PM10含量（ppm）', 'SO2含量（ppm）',
    #       'CO含量（ppm）', 'NO2含量（ppm）', 'O3_8h含量（ppm）']
    
    # 绘制 aqi 和 pm2.5 的关系散点图
    # 设置图像尺寸
    plt.figure(figsize=(15, 10))
    # 绘制散点图，横坐标为aqi数据的第二列，纵坐标为aqi数据的第四列
    plt.scatter(aqi[aqi.columns[1]], aqi[aqi.columns[3]])
    # 设置横轴标签为'AQI'，字体大小为20
    plt.xlabel('AQI', fontsize=20)
    # 设置纵轴标签为'PM2.5'，字体大小为20
    plt.ylabel('PM2.5', fontsize=20)
    # 设置图像标题为'芜湖市AQI和PM2.5的关系散点图'，字体大小为25
    plt.title('芜湖市AQI和PM2.5的关系散点图', fontsize=25)
    # 显示图像
    plt.show()
    
    # 绘制空气质量等级分类散点图
    # 设定画布大小
    plt.figure(figsize=(15, 10))
    # 绘制散点图，x轴：AQI数据，y轴：空气等级数据
    sn.stripplot(x=aqi[aqi.columns[2]], y=aqi[aqi.columns[1]], data=aqi, jitter=True)
    # 设定x轴标签和字体大小
    plt.xlabel('AQI', fontsize=20)
    # 设定y轴标签和字体大小
    plt.ylabel('空气等级', fontsize=20)
    # 设定标题和字体大小
    plt.title('芜湖市空气质量等级分类散点图', fontsize=25)
    # 显示图形
    plt.show()
    
    # 绘制空气质量等级单变量分布图
    # 绘制以第三列为 x 轴，数据来源为 aqi 的计数图
    sn.countplot(x=aqi.columns[2], data=aqi)
    # 设置标题为“空气质量等级单变量分布图”
    plt.title("空气质量等级单变量分布图")
    # 设置 x 轴标签为“质量等级”
    plt.xlabel("质量等级")
    # 设置 y 轴标签为“频数”
    plt.ylabel("频数")
    # 显示图像
    plt.show()
    
    # 绘制PM2.5与AQI的线性回归拟合图
    # 调用seaborn库的regplot函数，将PM2.5含量（ppm）作为x轴，AQI作为y轴，数据源为aqi
    sn.regplot(x='PM2.5含量（ppm）',  y='AQI',  data=aqi)
    # 设定图表标题为  'PM2.5与AQI的线性回归拟合图'
    plt.title('PM2.5与AQI的线性回归拟合图')
    # 设定图表x轴标签为'PM2.5含量（ppm）'
    plt.xlabel('PM2.5含量（ppm）')
    # 设定图表y轴标签为'AQI'
    plt.ylabel('AQI')
    # 显示图表
    plt.show()
    
    # 计算相关系数
    # 计算相关系数并赋值给变量 corr
    corr = aqi[['AQI', 'PM2.5含量（ppm）', 'PM10含量（ppm）', 'SO2含量（ppm）', 'CO含量（ppm）', 'NO2含量（ppm）', 'O3_8h含量（ppm）']].corr()
    print("AQI与其他因素的相关系数如下：\n", corr)
    
    # 绘制特征相关性热力图
    # 设置画布大小
    plt.figure(figsize=(17, 14))
    # 计算相关系数并赋值给变量 corr
    corr = aqi[['AQI', 'PM2.5含量（ppm）', 'PM10含量（ppm）', 'SO2含量（ppm）', 'CO含量（ppm）', 'NO2含量（ppm）', 'O3_8h含量（ppm）']].corr()
    # 以热图的形式展示相关性，并用蓝红色调表示，同时在每个方格中显示数值，并设置线宽为1
    sn.heatmap(corr, cmap='RdBu_r', annot=True, linewidths=1)
    # 设置热图的标题，并设置字体大小为25
    plt.title("各污染物之间的特征相关性热力分布图", fontsize=25)
    # 设置x轴标签字体大小为15
    plt.xticks(fontsize=15)
    # 设置y轴标签字体大小为15
    plt.yticks(fontsize=15)
    # 展示画布
    plt.show()

[image-20230503144511320]: https://img-blog.csdnimg.cn/img_convert/23903a9fdef79a9ed68716574c5d0bc7.png
[image-20230503144633410]: https://img-blog.csdnimg.cn/img_convert/4c0393a4e04f700612f1fb9a9cd22b29.png
[image-20230503144713886]: https://img-blog.csdnimg.cn/img_convert/e9d2a2519064e4d5b0cfe76ad75516af.png
[image-20230503144735196]: https://img-blog.csdnimg.cn/img_convert/d7b4709faae87be6fe24eb4f9011b6df.png
[image-20230503144800026]: https://img-blog.csdnimg.cn/img_convert/94dabe531bb4535a611465bef90cf19e.png
[image-20230503144817846]: https://img-blog.csdnimg.cn/img_convert/9cb491af6d9d0c1d5d9dc666554097ec.png
[image-20230503144832898]: https://img-blog.csdnimg.cn/img_convert/f6cae6b632f8d3d1ee2710b41089a7b0.png