空气质量数据怎么“洗”干净，还能画成图？

小象实战讲义 · Python 入门：8 个小项目边玩边学

欢迎来到空气质量分析项目的最后一站！经过前面几节的学习，我们已经能爬取数据、处理格式、进行基本统计。这节课，我们要做两件很酷的事：把数据里“不干净”的部分清理掉，然后把我们分析的结果用漂亮的柱状图画出来。学完这一节，你的程序就能从一个“数据处理工”升级为“数据分析师”了！

💡 核心导读

• 数据清洗：学会用一行代码过滤掉无效数据（比如AQI为0的城市），让分析结果更准确。
• 数据可视化：用Pandas内置的绘图功能，把空气质量最好的50个城市画成柱状图，一目了然。
• 中文显示：解决Matplotlib图表中中文变成“小方块”的老问题。
• 项目收官：回顾整个空气质量分析项目，看看我们从零开始都搭建了哪些能力。

数据也需要“洗澡”：过滤无效值

还记得我们之前统计时，发现有些城市的AQI值是0吗？这通常是因为没有监测点，数据无效。如果把这些数据也拿去算平均值、找最差城市，结果就不准了。所以，数据分析的第一步往往是数据清洗。

本节新增了什么？ 我们只做一件事：用“过滤条件”来清洗数据。这个操作简单又强大，是处理数据的必备技能。

怎么过滤呢？Pandas给了我们一个非常直观的语法：数据框[过滤条件]。这个过滤条件，其实就是一列布尔值（True/False），告诉Pandas每一行要不要保留。

我们来实际操作一下。假设我们有一个很小的数据集：

import pandas as pd

# 构造一个包含"脏数据"的小样本
data = {
    'City': ['北京', '上海', '广州', '未知城市A', '未知城市B'],
    'AQI': [120, 95, 80, 0, 0]  # 最后两个城市AQI为0,是无效数据
}
aqi_data = pd.DataFrame(data)
print("清洗前的数据：")
print(aqi_data)
print("\nAQI列大于0的条件：")
print(aqi_data['AQI'] > 0)

清洗前的数据：
     City  AQI
0     北京  120
1     上海   95
2     广州   80
3  未知城市A    0
4  未知城市B    0

AQI列大于0的条件：
0     True
1     True
2     True
3    False
4    False
Name: AQI, dtype: bool

看，aqi_data['AQI'] > 0 生成了一个布尔序列，True表示该行AQI>0，False表示AQI<=0。接下来，神奇的事情发生了：

import pandas as pd

# 再次构造数据(每个代码块独立)
data = {
    'City': ['北京', '上海', '广州', '未知城市A', '未知城市B'],
    'AQI': [120, 95, 80, 0, 0]
}
aqi_data = pd.DataFrame(data)

# 核心操作:用布尔序列作为索引,过滤数据
clean_aqi_data = aqi_data[aqi_data['AQI'] > 0]
print("清洗后的数据（只保留AQI>0的行）：")
print(clean_aqi_data)

清洗后的数据（只保留AQI>0的行）：
  City  AQI
0   北京  120
1   上海   95
2   广州   80

看！那两个AQI为0的城市自动消失了。这就是数据过滤，是不是比想象中简单？你可以把 aqi_data['AQI'] > 0 这个条件换成任何你想要的，比如 aqi_data['PM2.5'] < 35（PM2.5优），或者组合条件 (aqi_data['AQI'] > 0) & (aqi_data['AQI'] < 50)（空气质量优）。

让数据“开口说话”：用图表做可视化

数字列表看久了会眼花，一张图却能瞬间讲清故事。Pandas内置了绘图功能，基于强大的Matplotlib，但用法简单得多。我们试着把空气质量最好的50个城市画出来。

本节新增了什么？ 我们引入Pandas的 .plot() 方法，并学会设置中文显示，让图表既专业又好看。

首先，我们得有一份排序后的干净数据。接着，调用 .plot() 方法，告诉它：画柱状图（kind='bar'），横坐标是城市名（x='City'），纵坐标是AQI值（y='AQI'），再给图表起个名字，调个大小。

import pandas as pd
import matplotlib.pyplot as plt # 导入matplotlib用于保存和显示图片

# 1. 设置全局字体,解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号

# 2. 构造一份稍大的、已排序的模拟数据(代表清洗排序后的数据)
cities = [f'城市{i}' for i in range(1, 61)] # 生成60个城市名
aqi_values = list(range(10, 310, 5)) # 生成从10到305的AQI值,模拟排序后从好到差
sorted_data = {
    'City': cities,
    'AQI': aqi_values
}
sorted_aqi_data = pd.DataFrame(sorted_data)

# 3. 取出AQI最小的50个城市(即空气质量最好的50个)
top50_cities = sorted_aqi_data.head(50)
print("空气质量最好的5个城市：")
print(top50_cities.head())

# 4. 绘制柱状图
top50_cities.plot(kind='bar',          # 图表类型:柱状图
                  x='City',            # 横坐标数据列
                  y='AQI',             # 纵坐标数据列
                  title='空气质量最好的50个城市', # 图表标题
                  figsize=(20, 6))     # 图表尺寸:宽20英寸,高6英寸

# 5. 保存图表到文件(在实际练习中,你可以取消下面这行的注释来保存)
# plt.savefig('top50_aqi_bar.png')

# 6. 显示图表
plt.show()

空气质量最好的5个城市：
  City  AQI
0  城市1   10
1  城市2   15
2  城市3   20
3  城市4   25
4  城市5   30

运行上面的代码，一个带有清晰标题和坐标轴的柱状图就会弹出来！你可以直观地看到哪个城市的柱子最短（AQI最小，空气质量最好）。

几个关键点：

1. plt.rcParams：这两行是解决中文显示问题的“万能钥匙”，几乎任何时候用Matplotlib画带中文的图都需要它们。
2. .plot()参数：kind 可以换成 'line'（折线图）、'scatter'（散点图）等。figsize 控制图片大小，如果城市名太多显示不全，可以把宽度调大。
3. 保存与显示：plt.savefig() 要在 plt.show() 之前调用，否则保存的是空白图片。plt.show() 会弹出窗口并暂停程序，关闭窗口后程序才会继续。

项目大回顾：从零搭建数据分析流水线

到这里，我们为期六讲的“空气质量指数计算”大项目就全部完成了！让我们一起回顾一下这条我们亲手搭建的“数据流水线”：

1. v1.0 - v4.0：打好基础

   • 理解问题：学会AQI的计算公式。
   • 处理数据：认识了JSON和CSV两种常见数据格式，学会了读写和转换。
   • 完善程序：让程序能智能判断文件类型，用更安全的方式操作文件。

2. v5.0 - v8.0：获取数据

   • 网络爬虫：使用Requests库从网上抓取实时数据。
   • 解析网页：用BeautifulSoup从复杂的HTML中精准提取我们需要的信息（城市列表和AQI值）。
   • 保存结果：将爬取到的全国城市数据保存为结构化的CSV文件，方便后续分析。

3. v9.0 - v10.0（本节）：分析与展示

   • 数据分析：使用Pandas进行排序、统计（最大值、最小值、平均值）。
   • 数据清洗：过滤掉无效数据，保证分析质量。
   • 数据可视化：将分析结果用图表直观呈现。

这个过程，就是一个标准的、简易版的数据分析项目流程：定义问题 → 获取数据 → 清洗处理 → 分析建模 → 可视化展示。你已经掌握了每个环节的核心技能！

📝 动手练一练

1. 改造可视化：上面的例子画了最好的50个城市。请你修改代码，画出空气质量最差的10个城市的柱状图，并将图表标题和保存的文件名相应修改。

import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 构造数据
cities = [f'城市{i}' for i in range(1, 61)]
aqi_values = list(range(10, 310, 5))
aqi_data = pd.DataFrame({'City': cities, 'AQI': aqi_values})

# 按AQI降序排序,取前10个
bottom10_cities = aqi_data.sort_values(by='AQI', ascending=False).head(10)

# 绘图
bottom10_cities.plot(kind='bar',
                     x='City',
                     y='AQI',
                     title='空气质量最差的10个城市',
                     figsize=(12, 6))
# plt.savefig('bottom10_aqi_bar.png') # 可取消注释保存
plt.show()

2. 尝试新图表：Pandas的 .plot() 方法中，kind 参数还可以设置成 'line'（折线图）或 'pie'（饼图，需指定 y）。请你尝试将“最好50城”的数据用折线图画出来，看看效果有什么不同。

import pandas as pd
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

cities = [f'城市{i}' for i in range(1, 51)]
aqi_values = list(range(10, 260, 5)) # 生成50个值
top50_cities = pd.DataFrame({'City': cities, 'AQI': aqi_values})

# 绘制折线图
top50_cities.plot(kind='line',
                  x='City',
                  y='AQI',
                  title='空气质量最好的50个城市（折线图）',
                  figsize=(20, 6),
                  marker='o') # marker='o' 让每个数据点显示为圆点
plt.xticks(rotation=45) # 将x轴标签旋转45度,避免重叠
plt.tight_layout() # 自动调整布局
# plt.savefig('top50_aqi_line.png')
plt.show()

本章小结

恭喜你！完成了《Python入门》课程中最后一个，也是最综合的一个项目。你不仅学会了爬虫、数据处理、分析可视化这些具体技能，更重要的是，你体验了如何将一个现实问题，拆解成多个编程步骤，并最终用代码实现的完整过程。

📋 行动清单

学完本章，你可以立刻：

• 运行本节完整的10.0代码（使用课程提供的真实china_city_aqi.csv数据文件），生成属于你的“空气质量50强”图表。
• 总结你的项目笔记，画出从5.0到10.0的数据流图，理清思路。
• 挑战自己，尝试用这个流程去分析另一个你感兴趣的数据集（例如，电影评分、天气数据等）。

从对编程一无所知，到能完成这样一个涵盖数据获取、处理、分析、可视化的项目，你已经迈出了坚实而精彩的第一步。编程世界的大门已经向你敞开，接下来，选择你感兴趣的方向，继续探索吧！

—— 小象教研组