基于Python的京津冀上广深空气质量可视化分析

目录

    • (一)2018年北京空气质量数据可视化结果与分析
      • 1.1 2018年北京AQI全年走势图
      • 1.2 2018年北京月均AQI走势图
      • 1.3 2018年北京季度AQI箱型图
      • 1.4 2018年北京PM2.5指数日历图
    • (二)2018年京津冀上广深空气质量数据可视化结果与分析
      • 2.1 2018年京津冀上广深AQI全年走势图
      • 2.2 2018年京津冀上广深PM2.5全年走势图
      • 2.3 2018年京津冀上广深全年空气质量饼图
      • 2.4 2018年京津冀上广深城市空气质量热力图

(一)2018年北京空气质量数据可视化结果与分析

1.1 2018年北京AQI全年走势图

基于Python的京津冀上广深空气质量可视化分析_第1张图片
分析:我们可以清楚看到2018年北京AQI的最大最小值、年均值,以及标记了个别日期的AQI值。85.5是年均AQI值,从AQI空气质量指数级别表中可知,2018年北京整体空气质量是「良」中的中下等水平,与轻度污染依然很接近。

1.2 2018年北京月均AQI走势图

基于Python的京津冀上广深空气质量可视化分析_第2张图片
分析:我们可以清楚看到2018年北京月均AQI的最大最小值,以及每个月的AQI均值。3月的月均AQI值最大,空气质量最差,处在「轻度污染」水平;9月的月均AQI值最小,空气质量最好,处在「良」水平。

1.3 2018年北京季度AQI箱型图

基于Python的京津冀上广深空气质量可视化分析_第3张图片
分析:我们可以清楚看到2018年北京每一季度的AQI最大最小值,以及中位数。箱型图的纵向长度越长,则表示这一组数据越不稳定,波动性较大,一、二、四季度的均值差距不是很大,但是一、二、四季度有明显的波动,空气质量有时会变得很差。

1.4 2018年北京PM2.5指数日历图


分析:我们可以清楚看到2018年北京每天的PM2.5值,以及不同PM2.5区间的天数(全年或每月)。日均PM2.5国家二级标准为75,从指数日历图中的颜色对比分布中可以看出,基本上轻度污染占据了近40%的比例。其中,3月份还是重灾区,11月份情况也不容乐观;1、8、9月份空气质量情况最为良好。

(二)2018年京津冀上广深空气质量数据可视化结果与分析

2.1 2018年京津冀上广深AQI全年走势图

基于Python的京津冀上广深空气质量可视化分析_第4张图片
分析:我们可以清楚看到2018年京津冀上广深每一城市的全年月均AQI值。南北城市空气质量对比明显,京津冀地区的AQI值“名列前茅”,其中石家庄夺得“桂冠”,AQI全年走势最为突出,月均AQI最低为65(9月份),根据空气质量指数类别,石家庄2018年全年差不多都在「优」以下了;上广深情况较为乐观且较为平稳,上海和广州差不多(除了5、6月份),深圳情况最为乐观,AQI月均值都在60以下,全年空气质量指数类别差不多都在「优」,与石家庄形成了鲜明对比。

2.2 2018年京津冀上广深PM2.5全年走势图

基于Python的京津冀上广深空气质量可视化分析_第5张图片
分析:我们可以清楚看到2018年京津冀上广深PM2.5全年走势与AQI全年走势基本一致 ,京津冀依旧“高调”。

2.3 2018年京津冀上广深全年空气质量饼图

基于Python的京津冀上广深空气质量可视化分析_第6张图片
分析:我们可以清楚看到2018年京津冀上广深每一城市不同空气质量等级在全年中所占有的比例情况,其中深圳无轻度污染以上的情况,广州无中度污染以上的情况,上海无重度污染以上的情况。京津冀的「优」和「良」已经不少了,但是轻度污染及以上占有比例仍不小,空气质量仍需积极管理与控制;上海和广州情况差不多,大部分都是「优」和「良」;深圳几乎都是「优」和「良」,轻度污染占有极小比例。

2.4 2018年京津冀上广深城市空气质量热力图

基于Python的京津冀上广深空气质量可视化分析_第7张图片
分析:我们可以清楚看到京津冀上广深每一城市在地图上的位置,以及它们的经纬度(前两个数据代表经纬度,第三个数据是2018年每个城市最大月均PM2.5值)。根据颜色的映射,京津冀地区的PM2.5污染较为严重,而上广深的空气质量较为良好。

你可能感兴趣的:(学生,Python学习者)