13518219792
这篇文章主要讲解了“python空气质量数据举例分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“python空气质量数据举例分析”吧！
10年积累的成都做网站、网站制作经验，可以快速应对客户对网站的新想法和需求。提供各种问题对应的解决方案。让选择我们的客户得到更好、更有力的网络服务。我虽然不认识你，你也不认识我。但先网站策划后付款的网站建设流程，更有江汉免费网站建设让你可以放心的选择与我们合作。
计算出每天的平均AQI后，根据AQI数据，计算出对应的每天污染等级，需要在一个月的数据添加一个新的列，直接在DataFrame上以中括号添加即可。
monthdata['level']
在使用map函数，根据AQI的数据值，计算对应的污染等级，map可以使用函数。
monthdata['level'] = monthdata['AQI'].map(ComputeLevel)
aqilevels = np.array([........])
levels = np.array([u'优', u'良', u'轻度污染',
u'中度污染', u'重度污染', u'严重污染', u'无数据'])
def ComputeLevel(x):
if (not math.isnan(x)):
index = np.where(aqilevels >= x)
return levels[index[0][0]]
else:
return '无数据'
将没有数据的部分，填充为无数据，方便在数据统计时，进行查看。
monthdata['level'] = monthdata['level'].fillna('无数据')接下来，根据污染等级，统计DataFrame中的数据，计算每月的各个污染等级天数，其中将level列名转换成count，将level作为列名，不作为索引显示。
levelscount = pd.DataFrame(monthdata['level'].
groupby(monthdata['level']).count())
levelscount = levelscount.rename(columns={'level': 'count'})
levelscount = levelscount.reset_index('level')使用matplotlib，统计每月各个级别的天数，以柱状图的方式显示。
fig = plt.figure(figsize=(8, 5))
dataax = fig.add_subplot(1, 1, 1)
dataax.bar(inde, levelscount['count'].tolist(),
0.35, color=lecolor, edgecolor='white')感谢各位的阅读，以上就是“python空气质量数据举例分析”的内容了，经过本文的学习后，相信大家对python空气质量数据举例分析这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！
