目录案例八 空气质量指数计算及分析功能1.0 AQI计算功能2.0 JSON读取功能3.0 CSV读取功能4.0 判断文件格式功能5.0 利用爬虫做实时计算功能6.0 更高效解析HTML内容功能7.0 获取网站所有城市AQI功能8.0 实时AQI的保存功能9.0 简单的数据处理和分析功能10.0 数据清洗和可视化结课了，撒花 案例八 空气质量指数计算及分析前4章主要是概念上的学习和基本操作，代码
转载
2024-07-14 10:30:16
67阅读
一.学习知识准备在数据可视化分析中，按上篇文章，我们要学习numpy科学计算库以及matplotlip可视化分析，这边我用了request库下载了上海的空气质量指数的html文本，并爬取了数据进行json封装，因此我们也要学会从文本获取json数据并解析，然后需要构建numpy数组，用折线图显示出来第一个知识点：request库Requests 是⽤Python语⾔编写，基于urllib，采⽤Ap
转载
2023-12-06 20:19:31
111阅读
一、空气质量指数计算V1.0主要知识点：分支结构、函数、异常处理# -*- coding:utf-8 -*-
"""@author:Angel@file:AQI_V1.0.py@time:2018/11/28 14:29@1.0功能：AQI计算"""
def cal_linear(iaqi_lo, iaqi_hi, bp_lo, bp_hi, cp):
# 线性缩放
iaqi = (iaqi_hi
转载
2023-08-14 10:23:09
244阅读
目录一、实验内容二、完成情况三、数据分析1.问题描述2.编程思路3.程序代码4.程序运行结果（1）2014年-2019年AQI时间序列折线图 （2）各年AQI折线图、AQI直方图、PM2.5与AQI散点图、空气质量整体情况的饼图 （3）六种空气成分与AQI的散点图 5.结果分析一、实验内容对《北京市空气质量》数据进行数据分析。其中包括数据的导入、预处理、可视化。二、完
转载
2024-08-24 13:41:39
481阅读
点赞
目录【代码一】【结果一】编辑【代码二】【结果二】【代码一】#本章需导入的模块
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
##%matplotlib inline
plt.rcParams['font.sans-serif']=['SimHei'] #解决中文显示乱码问题
plt.rcParams[
转载
2024-08-14 01:06:56
526阅读
每天30min学习python—空气质量指数目录空气质量指数1.0空气质量指数2.0空气质量指数3.0空气质量指数4.0空气质量指数5.0空气质量指数6.0+7.0空气质量指数8.0空气质量指数9.0+10.01.0 实现功能根据步骤，计算空气质量指数知识点：空气质量指数计算公式式中：IAQIp —— 污染物项目P的空气质量分指数； Cp —— 污染物项目P的质量浓度； BPHi ——表1中与Cp
转载
2024-04-10 18:52:36
28阅读
空气质量实时在线监测平台，实时采集并展示空气中主要污染物含量指标，这些污染物包括：PM2.5，PM10，CO，SO2，NO2，O3。平台也包括TVOC，温度，湿度等多个环境参数的实时采集和展示。平台自动采集各项数据，自动计算空气质量指数AQI,并根据监测站点、监测区域，进行考核排名。平台的主要功能包括： 地图监控：平台以GIS地图的方式，实时展示空气质量监测设备分布情况，在线联网情况，设
转载
2023-08-14 13:27:33
193阅读
版本1.0'''
功能：AQI计算
版本：1.0
'''
def cal_linear(iaqi_lo,iaqi_hi,bp_lo,bp_hi,cp):
'''
范围缩放
'''
iaqi = (iaqi_hi-iaqi_hi)*(cp-bp_lo)/(bp_hi-bp_lo) + iaqi_lo
return iaqi
def cal_pm_i
转载
2023-09-26 19:08:41
25阅读
天气通天气通并不是一款单独提供空气质量的应用，它注重天气更多，比如可以按照北京的不同区来显示气温，提供曲线和地图气温显示，并具有多种形式的微博分享样式。但它同样也有当前大家比较关心的空气信息，如果你不想让空气信息“喧宾夺主”，那么可以考虑“天气通手机安卓版”或者是“墨迹天气官网iPhone版”。天气通仅从空气的角度来说，“天气通”可以有效的告诉我们当前PM2.5的指数以及指数所代表的是否有害。虽然
转载
2023-06-27 15:38:40
235阅读
机器学习大作业–基于机器学习算法、KNN、SVM、LSTM、决策树、随机森林、线性回归分析对空气质量的分类、识别和预测: 本文针对江西省南昌市2022年空气质量问题，采用各种机器学习算法实现其分类、知识、预测等。文中采用了基于SVM的图像分类或归类、深度学习模型LSTM、决策树、随机森林和线性回归分析等方法，对南昌市空气质量进行了研究和预测，并综合分析了各种算法的优缺点和适用性，为南昌市及相关决策
转载
2023-10-08 17:33:51
633阅读
Deep Distributed Fusion Network for Air Quality Prediction摘要：基于对大气污染的领域知识，提出了一种基于深度神经网络（DNN）的方法（Deep-air），该方法由空间变换组件和深度分布式融合网络组成。考虑到大气污染物的空间相关性，组件将空间稀疏的空气质量数据转换为一致的输入，以模拟污染物源。后一种网络采用神经分布式结构，融合城市异质数据，同
转载
2023-08-10 23:36:33
484阅读
细颗粒物又称细粒、细颗粒、PM2.5。细颗粒物指环境空气中空气动力学当量直径小于等于2.5微米的颗粒物。它能较长时间悬浮于空气中，其在空气中含量浓度越高，就代表空气污染越严重。虽然PM2.5只是地球大气成分中含量很少的组分，但它对空气质量和能见度等有重要的影响。与较粗的大气颗粒物相比，PM2.5粒径小，面积大，活性强，易附带有毒、有害物质（例如，重金属、微生物等），且在大气中的停留时间长、
# Python空气质量
