Matplotlib空气质量数据分析（附数据集下载）

最新推荐文章于 2025-04-24 09:00:00 发布

Kiven_super

最新推荐文章于 2025-04-24 09:00:00 发布

阅读量6.9k

点赞数 12

文章标签： Matplotlib 数据分析 python

本文链接：https://blog.csdn.net/qq_43510019/article/details/93379182

版权

本文通过JupyterLab详细展示了如何运用Matplotlib库对空气质量数据进行深入分析，包括数据预处理、图表绘制等关键步骤，同时提供了数据集的下载链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用JupyterLab进行的数据分析
数据集下载

import pandas as pd
import numpy as np
from pandas import Series, DataFrame
import matplotlib as mpl
import matplotlib.pyplot as plt

#显示所有列
pd.set_option('display.max_columns', None)

from matplotlib.font_manager import _rebuild
_rebuild()
# 支持中文
mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 用来正常显示中文标签
mpl.rcParams['axes.unicode_minus'] = False   # 用来正常显示负号,解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串

data = pd.read_csv('air.csv')
# data = DataFrame(df)
# data

data.shape

在这里插入图片描述

data.columns

在这里插入图片描述

data.dtypes

在这里插入图片描述

#查看不同价格区间的AQI，在当前数据集中的占比情况
AQI_min = data.AQI.min()
AQI_max = data.AQI.max()
display(AQI_min, AQI_max)

在这里插入图片描述

AQI_cut = pd.cut(data.AQI, bins = [AQI_min, 50, 100, 150, 200, 300, AQI_max])
AQI_count = AQI_cut.value_counts()
AQI_count

在这里插入图片描述

def func1():
    X = np.arange(len(AQI_count))
    Y = AQI_count
    plt.figure(figsize=(8,6))
    plt.bar(X,Y,color='steelblue',alpha=0.8)
    plt.title('AQI分布图')
    plt.xlabel('AQI区间')
    plt.ylabel('2014-2018年AQI天数')
    plt.xticks(np.arange(len(AQI_count)),AQI_count.index, rotation=30)
    plt.ylim([0,320000])
    percents = [str(round(i*100,2)) + '%'for i in AQI_count / AQI_count.sum()]
    for x,y,z in zip(X,Y,percents):
        plt.text(x-0.2,y+5000,z)
    plt.savefig('C:\\Users\\Administrator\\Desktop\\数据分析图\\1.png')
func1()

在这里插入图片描述

# 全国污染程度饼图
def func2():
    labels = ['良(50,100]','优(0,50]','轻度污染(100,150]','中度污染(150,200]','重度污染(200,300]','严重污染(300,1210]']
    x = [i for i in AQI_count / AQI_count.sum()]
    colors= ['#32CD32','#FFDAB9','#8A2BE2','#2442aa','#dd5555','#FFFF00']
    explode = [0,0.1,0,0,0,0]   
    plt.pie(x=x,#绘图的数据
           labels=labels,#数据标签
           colors=colors,#饼图颜色
           autopct='%.1f%%',#设置百分比
           startangle=180,#设置初始角度
           #frame=1,
           #center=(2,2)
           explode=explode,#设置突出显示
           radius=2#设置饼的半径
           )
    plt.savefig('C:\\Users\\Administrator\\Desktop\\数据分析图\\2.png')
func2()