import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# 解决中文乱码问题
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体
plt.rcParams["axes.unicode_minus"] = False # 该语句解决图像中的“-”负号的乱码问题
# AQI指数数据处理
def aqi(data1,data2,data3):
# 全部AQI数据
aqi_data1 = data1['AQI']
describe1 = aqi_data1.describe()
writer1 = pd.ExcelWriter('aqi.xlsx')
describe1.to_excel(writer1, 'Sheet1')
writer1.save()
# 柱状图
fig1 = plt.figure()
ax1 = fig1.add_subplot(1, 1, 1)
ax1.hist(aqi_data1, bins=50)
ax1.set_xlabel('AQI指数')
ax1.set_ylabel('频率')
ax1.set_title('AQI指数柱状图')
# 散点图
fig1_1 = plt.figure()
ax1_1 = fig1_1.add_subplot(1, 1, 1)
ax1_1.scatter(aqi_data1,aqi_data1)
ax1_1.set_xlabel('AQI指数')
ax1_1.set_ylabel('AQI指数')
ax1_1.set_title('AQI指数散点图')
# 密度图
fig1_2 = plt.figure()
ax1_2 = fig1_2.add_subplot(1, 1, 1)
aqi_data1.plot.density()
ax1_2.set_xlabel('AQI指数')
ax1_2.set_title('AQI指数密度图')
# # 空气质量优AQI数据
aqi_data2 = data2['AQI']
describe2 = aqi_data2.describe()
writer2 = pd.ExcelWriter('aqi(优).xlsx')
describe2.to_excel(writer2, 'Sheet1')
writer2.save()
# 柱状图
fig2 = plt.figure()
ax2 = fig2.add_subplot(1, 1, 1)
ax2.hist(aqi_data2, bins=50)
ax2.set_xlabel('AQI指数')
ax2.set_ylabel('频率')
ax2.set_title('AQI指数柱状图(优)')
# #散点图
fig2_1 = plt.figure()
ax2_1 = fig2_1.add_subplot(1, 1, 1)
ax2_1.scatter(aqi_data2,aqi_data2)
ax2_1.set_xlabel('AQI指数(优)')
ax2_1.set_ylabel('AQI指数(优)')
ax2_1.set_title('AQI指数散点图(优)')
# 密度图
fig2_2 = plt.figure()
ax2_2 = fig2_2.add_subplot(1, 1, 1)
aqi_data2.plot.density()
ax2_2.set_xlabel('AQI指数(优)')
ax2_2.set_title('AQI指数密度图(优)')
# # 空气质量非优AQI数据
aqi_data3 = data3['AQI']
describe3 = aqi_data3.describe()
writer3 = pd.ExcelWriter('aqi(良).xlsx')
describe3.to_excel(writer3, 'Sheet1')
writer3.save()
# 柱状图
fig3 = plt.figure()
ax3 = fig3.add_subplot(1, 1, 1)
ax3.hist(aqi_data3, bins=50)
ax3.set_xlabel('AQI指数')
ax3.set_ylabel('频率')
ax3.set_title('AQI指数柱状图(良)')
# # 散点图
fig3_1 = plt.figure()
ax3_1 = fig3_1.add_subplot(1, 1, 1)
ax3_1.scatter(aqi_data3,aqi_data3)
ax3_1.set_xlabel('AQI指数(良)')
ax3_1.set_ylabel('AQI指数(良)')
ax3_1.set_title('AQI指数散点图(良)')
# 密度图
fig3_2 = plt.figure()
ax3_2 = fig3_2.add_subplot(1, 1, 1)
aqi_data3.plot.density()
ax3_2.set_xlabel('AQI指数(良)')
ax3_2.set_title('AQI指数密度图(良)')
plt.show()
if __name__ == '__main__':
# 数据源文件路径
xlsx = pd.ExcelFile('d:/xvb/data.xlsx')
# 读取数据
excel = pd.read_excel(xlsx, 'Sheet1')
# 获取所有数值数据
data1 = excel.drop(['城市', '首要污染物', '空气质量'], axis=1)
# 获取空气质量为优的数据
you=excel[excel['首要污染物']=='—']
# 获取数值数据
data2=you.drop(['城市', '首要污染物', '空气质量'], axis=1)
#获取空气质量非优的数据
liang = excel[excel['首要污染物'] != '—']
# 获取数值数据
data3 = liang.drop(['城市', '首要污染物', '空气质量'], axis=1)
aqi(data1,data2,data3)
没有合适的资源?快使用搜索试试~ 我知道了~
爬取信息处理信息生成可视化图
资源详情
资源评论
资源推荐
收起资源包目录
xvb.rar (3个子文件)
xvb
chuli2.py 2KB
chuli1.py 4KB
shuju.py 3KB
共 3 条
- 1
≮往事随风≯
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于pytorch+Unet进行MRI肝脏图像分割源码+数据集+模型.zip
- 在Android Studio中开发一个Android App项目步骤
- 基于yolov8实现进行物体跟踪源码.zip
- Java多线程学习Java多线程学习Java多线程学习Java多线程学习.txt
- 算法数据结构-动态规划算法(Dynamic Programming)超详细总结加应用案例讲解.txt
- 2024最强秋招八股文(精简、纯手打)2024最强秋招八股文(精简、纯手打).txt
- 基于tensorflow多特征融合的微表情识别python源码.zip
- 基于yolov8实现人脸检测的python源码+运行说明.zip
- Micron Memory DDR3 SDRAM 全系列AD集成库(原理图库+PCB封装库).IntLib
- 基于tensorflow多特征融合的微表情识别python源码+详细使用说明.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0