tableau項目實戰-中國五城市六年pm2.5大數據可視化

本文轉載自查看原文 2020-05-14 00:01 1034

中國五城市六年pm2.5大數據可視化

一，典型課題研究

中國五城市六年的pm2.5的值與那些因素有關，與PM2.5的變化

二，數據

1，數據源：https://www.kaggle.com/uciml/pm25-data-for-five-chinese-cities

2，數據集介紹

Context

PM2.5 readings are often included in air quality reports from environmental authorities and companies. PM2.5 refers to atmospheric particulate matter (PM) that have a diameter less than 2.5 micrometers. In other words, it's used as a measure of pollution.

PM2.5讀數通常包含在環境部門和公司的空氣質量報告中。PM2.5是指直徑小於2.5微米的大氣顆粒物（PM）。換句話說，它被用作污染的量度。

3，字段含義

No: row number 行號
year: year of data in this row 該行中數據的年份
month: month of data in this row 該行中數據的月份
day: day of data in this row 該行中數據的日期
hour: hour of data in this row 該行中的小時數據
season: season of data in this row 此行中的數據季節
PM: PM2.5 concentration (ug/m^3) PM2.5濃度（ug / m ^ 3）
DEWP: Dew Point (Celsius Degree) 露點（攝氏溫度）
TEMP: Temperature (Celsius Degree) 溫度（攝氏溫度）
HUMI: Humidity (%) 濕度（％）
PRES: Pressure (hPa) 壓力（hPa）
cbwd: Combined wind direction 組合風向
Iws: Cumulated wind speed (m/s) 累積風速（m / s）
precipitation: hourly precipitation (mm) 每小時降水量（毫米）
Iprec: Cumulated precipitation (mm) 累積降水量（毫米）

三，提出問題

①各城市PM2.5的分布並找出其規律

②各城市PM2.5收什么影響，影響程度如何

③各城市一年的PM2.5的分布主要集中在哪些時間段PM2.5的值比較高

四，操作步驟

1，從kaggle中導出數據，並對數據進行清洗

①把分開的時間字符串通過periodIndex的方法轉化為pandas的時間類型

②把datetime 設置為索引

③進行降采樣

④處理缺失數據，刪除缺失數據

# coding=utf-8
import pandas as pd
from matplotlib import pyplot as plt

file_path = "./PM2.5/BeijingPM20100101_20151231.csv"

df = pd.read_csv(file_path)

# 把分開的時間字符串通過periodIndex的方法轉化為pandas的時間類型
period = pd.PeriodIndex(year=df["year"], month=df["month"], day=df["day"], hour=df["hour"], freq="H")
df["datetime"] = period
# print(df.head(10))

# 把datetime 設置為索引
df.set_index("datetime", inplace=True)

# 進行降采樣
df = df.resample("7D").mean()
print(df.head())
# 處理缺失數據，刪除缺失數據
# print(df["PM_US Post"])

data = df["PM_US Post"]
data_china = df["PM_Nongzhanguan"]

print(data_china.head(100))
# 畫圖
_x = data.index
_x = [i.strftime("%Y%m%d") for i in _x]
_x_china = [i.strftime("%Y%m%d") for i in data_china.index]
print(len(_x_china), len(_x_china))
_y = data.values
_y_china = data_china.values
plt.figure(figsize=(20, 8), dpi=80)

plt.plot(range(len(_x)), _y, label="US_POST", alpha=0.7)
plt.plot(range(len(_x_china)), _y_china, label="CN_POST", alpha=0.7)

plt.xticks(range(0, len(_x_china), 10), list(_x_china)[::10], rotation=45)

plt.legend(loc="best")

plt.show()