這篇文章主要講解了“python空氣質(zhì)量數(shù)據(jù)舉例分析”，文中的講解內(nèi)容簡單清晰，易于學(xué)習(xí)與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“python空氣質(zhì)量數(shù)據(jù)舉例分析”吧！

10年積累的成都做網(wǎng)站、網(wǎng)站制作經(jīng)驗，可以快速應(yīng)對客戶對網(wǎng)站的新想法和需求。提供各種問題對應(yīng)的解決方案。讓選擇我們的客戶得到更好、更有力的網(wǎng)絡(luò)服務(wù)。我雖然不認(rèn)識你，你也不認(rèn)識我。但先網(wǎng)站策劃后付款的網(wǎng)站建設(shè)流程，更有江漢免費(fèi)網(wǎng)站建設(shè)讓你可以放心的選擇與我們合作。

計算出每天的平均AQI后，根據(jù)AQI數(shù)據(jù)，計算出對應(yīng)的每天污染等級，需要在一個月的數(shù)據(jù)添加一個新的列，直接在DataFrame上以中括號添加即可。

monthdata['level']

在使用map函數(shù)，根據(jù)AQI的數(shù)據(jù)值，計算對應(yīng)的污染等級，map可以使用函數(shù)。

monthdata['level'] = monthdata['AQI'].map(ComputeLevel)

aqilevels = np.array([........])
levels = np.array([u'優(yōu)', u'良', u'輕度污染',
u'中度污染', u'重度污染', u'嚴(yán)重污染', u'無數(shù)據(jù)'])
def ComputeLevel(x):
   if (not math.isnan(x)):
       index = np.where(aqilevels >= x)
       return levels[index[0][0]]
   else:
       return '無數(shù)據(jù)'

將沒有數(shù)據(jù)的部分，填充為無數(shù)據(jù)，方便在數(shù)據(jù)統(tǒng)計時，進(jìn)行查看。

monthdata['level'] = monthdata['level'].fillna('無數(shù)據(jù)')

接下來，根據(jù)污染等級，統(tǒng)計DataFrame中的數(shù)據(jù)，計算每月的各個污染等級天數(shù)，其中將level列名轉(zhuǎn)換成count，將level作為列名，不作為索引顯示。

levelscount = pd.DataFrame(monthdata['level'].
groupby(monthdata['level']).count())

levelscount = levelscount.rename(columns={'level': 'count'})
levelscount = levelscount.reset_index('level')

使用matplotlib，統(tǒng)計每月各個級別的天數(shù)，以柱狀圖的方式顯示。

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')

感謝各位的閱讀，以上就是“python空氣質(zhì)量數(shù)據(jù)舉例分析”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對python空氣質(zhì)量數(shù)據(jù)舉例分析這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是創(chuàng)新互聯(lián)，小編將為大家推送更多相關(guān)知識點(diǎn)的文章，歡迎關(guān)注！