用R语言对氛围质量举办可视化阐明

一、广州市氛围质量数据先容AQI指数（氛围质量指数）AQI的指数的取值范畴为0~500，个中0～50、51～100、101～200、201～300和大于300，别离对应国度氛围质量尺度中日均值的 I级、II级、III级、IV级和V级尺度的污染物浓度限定命值。
I级：氛围质量评估为优，对人体康健无影响；II级：氛围质量评估为良，对人体康健无显著影响；III级：为轻度污染，康健人群呈现刺激症状；IV级：中度污染，康健人群普遍呈现刺激症状；V级：严重污染，康健人群呈现严重刺激症状。氛围质量品级主要污染物六项污染物质的浓度：个中PM2.5（粒径小于便是2.5μm的颗粒物，也称细颗粒物），PM10（粒径小于便是10μm的颗粒物，也称可吸入颗粒物），SO2（二氧化硫），NO2（二氧化氮）以及CO（一氧化碳）的浓度全部为24小时平均值，O3浓度值为8小时的滑动平均值。时间跨度：2015年1月1日至2017年6月30日，共有912笔记录。
二、摸索性阐明

从氛围质量品级的根基统计信息来看，广州市的氛围质量级别大大都为良，其次为优#AQI指数的频数直方图（图2）aqi_hist <- ggplot(data,aes(x=AQI))+geom_histogram()

两年半的时间内高出600天的AQI指数值在40~80的范畴内。#分年份AQI密度曲线（图3）date <- ymd(data[,1])year <- year(date)年份 <- as.factor(year)ggplot(data,aes(x=AQI,colour=年份))+geom_freqpoly(aes(y=..density..),size=2)+theme_bw()

从2015年至2016年来看广州的氛围质量好像没有在这段时间内有明明的改进，氛围污染的管理仍需尽力。#主要污染物的频数统计（表3），以及分污染品级对主要污染物举办频数统计（表4）mp_table <- table(data[,10])level_mp_table <- table(data[,3],data[,10])

当氛围质量较好时主要污染物多为NO2，然而当氛围污染环境较为严重时主要污染物多为O3，其次为PM2.5。#AQI指数与种种污染物的矩阵散点图（图6）scatter <- plot(data[,c(2,4:9)],pch=20)

各污染物质与AQI指数的矩阵散点图从上方的矩阵散点图可见，与AQI指数相关干系更为显著的污染物质是PM2.5和PM10#是否下雨条件下分组AQI密度曲线（图8）是否下雨 <- data$rainlevels(是否下雨) <- c(‘否’,’是’)rain_poly <- ggplot(data,aes(x=AQI,colour=是否下雨))+geom_freqpoly(aes(y=..density..),size=2)+theme_bw()

AQI密度曲线（分是否下雨）下雨天的AQI指数有的更多比例会合在100以下，对比没有下雨的时候总体程度明明更低下雨往往对氛围质量有改进的浸染。#日均温度-AQI散点图（图9），分是否下雨环境下的日均温度箱线图（图10）aqi_temp <- ggplot(data,aes(x=temp_mean,y=AQI))+geom_point()+geom_smooth()+theme_bw()temp_box <- ggplot(data,aes(x=是否下雨,y=temp_mean))+geom_boxplot()+theme_bw()

AQI指数关于日平均温度的散点图

日平均温度的分组箱线图对比之下，温度的坎坷对氛围质量的优劣并没有显著影响。下雨天也更多会合在高温时间，而下雨又有改进氛围质量的浸染#温度-种种污染物散点图（图11）t1 <- ggplot(data,aes(x=temp_mean,y=PM2.5))+geom_point()+geom_smooth()+theme_bw()t2 <- ggplot(data,aes(x=temp_mean,y=PM10))+geom_point()+geom_smooth()+theme_bw()t3 <- ggplot(data,aes(x=temp_mean,y=SO2))+geom_point()+geom_smooth()+theme_bw()t4 <- ggplot(data,aes(x=temp_mean,y=CO))+geom_point()+geom_smooth()+theme_bw()t5 <- ggplot(data,aes(x=temp_mean,y=NO2))+geom_point()+geom_smooth()+theme_bw()t6 <- ggplot(data,aes(x=temp_mean,O3_8h))+geom_point()+geom_smooth()+theme_bw()grid.arrange(t1,t2,t3,t4,t5,t6,nrow=2)

各污染物质浓度关于日平均温度的散点图O3浓度在高温天气下会上升到较高程度，尤其是在温度到达30℃以上的时候。因此在高温天气下应出格留意高浓度的臭氧污染问题。#是否下雨-各污染物浓度分组箱线图（图12）b1 <- ggplot(data,aes(x=是否下雨,y=PM2.5))+geom_boxplot()+theme_bw()b2 <- ggplot(data,aes(x=是否下雨,y=PM10))+geom_boxplot()+theme_bw()b3 <- ggplot(data,aes(x=是否下雨,y=SO2))+geom_boxplot()+theme_bw()b4 <- ggplot(data,aes(x=是否下雨,y=CO))+geom_boxplot()+theme_bw()b5 <- ggplot(data,aes(x=是否下雨,y=NO2))+geom_boxplot()+theme_bw()b6 <- ggplot(data,aes(x=是否下雨,y=O3_8h))+geom_boxplot()+theme_bw()grid.arrange(b1,b3,b3,b4,b5,b5,nrow=1)#p#分页标题#e#

每一种污染物质的浓度在下雨天都将有所低落，个中O3，PM2.5，PM10与SO2的低落更为显著。（以图措辞，是不是更清晰更乐观!哈！）
接待插手本站果真乐趣群贸易智能与数据阐明群乐趣范畴包罗各类让数据发生代价的步伐，实际应用案例分享与接头，阐明东西，ETL东西，数据客栈，数据挖掘东西，报表系统等全方位常识QQ群：81035754