tableau项目实战-中国五城市六年pm2.5大数据可视化

中国五城市六年pm2.5大数据可视化

一，典型课题研究

中国五城市六年的pm2.5的值与那些因素有关，与PM2.5的变化

二，数据

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

2，数据集介绍

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读数通常包含在环境部门和公司的空气质量报告中。PM2.5是指直径小于2.5微米的大气颗粒物（PM）。换句话说，它被用作污染的量度。

3，字段含义

No: row number 行号
year: year of data in this row 该行中数据的年份
month: month of data in this row 该行中数据的月份
day: day of data in this row 该行中数据的日期
hour: hour of data in this row 该行中的小时数据
season: season of data in this row 此行中的数据季节
PM: PM2.5 concentration (ug/m^3) PM2.5浓度（ug / m ^ 3）
DEWP: Dew Point (Celsius Degree) 露点（摄氏温度）
TEMP: Temperature (Celsius Degree) 温度（摄氏温度）
HUMI: Humidity (%) 湿度（％）
PRES: Pressure (hPa) 压力（hPa）
cbwd: Combined wind direction 组合风向
Iws: Cumulated wind speed (m/s) 累积风速（m / s）
precipitation: hourly precipitation (mm) 每小时降水量（毫米）
Iprec: Cumulated precipitation (mm) 累积降水量（毫米）

三，提出问题

①各城市PM2.5的分布并找出其规律

②各城市PM2.5收什么影响，影响程度如何

③各城市一年的PM2.5的分布主要集中在哪些时间段PM2.5的值比较高

四，操作步骤

1，从kaggle中导出数据，并对数据进行清洗

①把分开的时间字符串通过periodIndex的方法转化为pandas的时间类型

②把datetime 设置为索引

③进行降采样

④处理缺失数据，删除缺失数据

# 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)

# 把分开的时间字符串通过periodIndex的方法转化为pandas的时间类型
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 设置为索引
df.set_index("datetime", inplace=True)

# 进行降采样
df = df.resample("7D").mean()
print(df.head())
# 处理缺失数据，删除缺失数据
# print(df["PM_US Post"])

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

print(data_china.head(100))
# 画图
_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()