怎么用python分析空气质量历史数据

这篇文章主要介绍“怎么用python分析空气质量历史数据”，在日常操作中，相信很多人在怎么用python分析空气质量历史数据问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么用python分析空气质量历史数据”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

网站建设哪家好，找创新互联建站！专注于网页设计、网站建设、微信开发、小程序定制开发、集团企业网站建设等服务项目。为回馈新老客户创新互联还提供了岳普湖免费建站欢迎大家使用！

根据月份计算天数，python中提供了现有的函数，根据年份和月份计算每月的天数，导入calendar库，使用其中的monthrange，计算每月有几天，返回的结果是一个元组，第一个为此月第一天是星期几，第一个参数就是当月的天数。

import calendar
def MonthDay(_year, _month):
   return (calendar.monthrange(_year, _month))[1]

循环月份中的每一天，读取每个小时中的数据，使用timedelta加上天数，新建空的DataFrame，存储整个月份的数据，循环过程中，将每天的数据添加到月数据的df中，直接使用mean()函数计算每天的小时平均值，为了不漏掉每天的数据，将没有数据的天数，也加上空数据。

for idx in range(daycount):
   nowdate = startDate + timedelta(days=idx)
monthdata = pd.DataFrame(columns=["datetime", "type", "AQI", 'level'])

monthdata = monthdata.append(
{'datetime': nowdate, 'type': 'AQI', 'AQI': daydata['AQI'].mean()},
                            ignore_index=True)

monthdata = monthdata.append(
{'datetime': nowdate, 'type': 'AQI', 'AQI': np.nan},
                            ignore_index=True)

每天的AQI数据值：

使用下边代码，可以自动旋转日期，让显示效果更好。

plt.gcf().autofmt_xdate()

到此，关于“怎么用python分析空气质量历史数据”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注创新互联网站，小编会继续努力为大家带来更多实用的文章！