【空气质量数据分析专题九】污染物浓度小时变化分析

前言

对空气质量小时级别五年数据进行小时变化分析，可以看出污染物浓度在一天中逐小时变化的特征。

分析流程

对数据进行专题二的预处理后，计算出各污染物全时段的各小时的平均浓度，最后进行可视化分析。处理方法是使用小时级别的数据，计算五年所有该小时的平均浓度，从而得到一天中各小时的平均浓度。

核心代码

使用Python透视表函数计算出一天中逐小时的平均浓度，继而可视化分析。

def hourly_data_analysis(self, df_total, station_list, year_list):
    """
    小时级别数据分析
    :param df_total: 全小时数居
    :param station_list: 站点列表
    :param year_list: 年份列表
    :return: None
    """
    for station in station_list:
        df_single_station = df_total[df_total['station'] == station]
        pm10_hour = pd.pivot_table(df_single_station, index='hour', values='PM10', aggfunc='mean')
        pm25_hour = pd.pivot_table(df_single_station, index='hour', values='PM2.5', aggfunc='mean')
        so2_hour = pd.pivot_table(df_single_station, index='hour', values='SO2', aggfunc='mean')
        no2_hour = pd.pivot_table(df_single_station, index='hour', values='NO2', aggfunc='mean')
        co_hour = pd.pivot_table(df_single_station, index='hour', values='CO', aggfunc='mean')
        o3_hour = pd.pivot_table(df_single_station, index='hour', values='O3', aggfunc='mean')

        fig = plt.figure()
        ax1 = fig.add_subplot(111)
        ax1.bar(x=co_hour.index.values, height=co_hour.values.reshape(-1), width=0.6, label='CO', color='#e6daa6')
        ax1.set_ylim(0, 1)
        ax1.set_yticks(np.linspace(0, 1, 6))
        plt.legend(ncol=1, loc='upper left', fontsize=8)  # 显示图例
        plt.ylabel('CO浓度(mg/m${^3}$)')  # 纵坐标轴标题
        # plt.legend(bbox_to_anchor=(0.25, 0.9))
        plt.legend(loc='upper left', fontsize=9.5)

        ax2 = ax1.twinx()
        ax2.plot(pm10_hour, marker='o', label='PM$_{10}$')
        ax2.plot(pm25_hour, marker='v', label='PM$_{2.5}$')
        ax2.plot(so2_hour, marker='<', label='SO$_{2}$')
        ax2.plot(no2_hour, marker='>', label='NO$_{2}$')
        ax2.plot(o3_hour, marker='d', label='O$_{3}$')
        ax2.set_ylim(0, 100)
        ax2.set_yticks(np.linspace(0, 100, 6))
        plt.ylabel('五项污染物浓度(${μ}$g/m${^3}$)')

        plt.xticks(range(0, 25, 4), ['00:00', '04:00', '08:00', '12:00', '16:00', '20:00', '00:00'], rotation=15)  # 倾斜15度
        plt.legend(ncol=6, fontsize=9.5)
        plt.grid(axis='y', ls='--')

        pic_loc0 = Path(self.cf_info['output']['picture']).joinpath(df_single_station['city'].values[0])
        pic_loc = pic_loc0.joinpath('污染物小时变化特征')
        if not os.path.exists(pic_loc):
            os.mkdir(pic_loc)
        plt.savefig(pic_loc / (df_single_station['station'].values[0] + str(year_list[0]) + '-' + str(year_list[-1]) + '年各污染物浓度日变化.png'), dpi=1200, bbox_inches='tight')
        plt.show()

结果展示与分析

结果如下图所示，可以比较明显的看出各污染物浓度在一天中的变化特征。

（图片右键新标签页打开会很清晰）

预告

下期为数据分析专题最后一期，主要内容为不同区域的对比分析。

以下是本人独自运营的微信公众号，用于分享个人学习及工作生活趣事，大佬们可以关注一波。