同為發(fā)展中國家，印度也受到空氣質(zhì)量問題的困擾，本文就以印度的城市為例進(jìn)行數(shù)據(jù)分析。利用簡單的Python代碼，分析城市空氣質(zhì)量及其每天在全國范圍內(nèi)（即印度水平）的排名。

在開始之前，先介紹一下整個分析過程中使用的一些基本原理。印度政府中央污染控制委員會（CPCB）是該國環(huán)境空氣質(zhì)量監(jiān)測的監(jiān)管機(jī)構(gòu)，每天為那些設(shè)有連續(xù)環(huán)境空氣質(zhì)量監(jiān)測站的印度城市發(fā)布空氣質(zhì)量相關(guān)信息公告。該公告包含有特定城市的空氣質(zhì)量指數(shù)（AQI）、空氣質(zhì)量類別、標(biāo)準(zhǔn)污染物以及該城市運(yùn)行的監(jiān)測站數(shù)量相關(guān)的信息。本文正是通過分析這個空氣質(zhì)量指數(shù)（AQI）來對城市進(jìn)行排名。

如下所示是對于公告中一些術(shù)語的解釋：

• a）空氣質(zhì)量指數(shù)（AQI）：空氣質(zhì)量指數(shù)是一個表示空氣質(zhì)量狀況的無量綱數(shù)字。
• b）空氣質(zhì)量類別或等級：根據(jù)空氣質(zhì)量指數(shù)，空氣質(zhì)量情況被分為6個類別，即“優(yōu)秀”、“良好”、“中等”、“差”、“非常差”和“嚴(yán)重”。隨著空氣質(zhì)量的下降，該類別從“優(yōu)秀”到“嚴(yán)重”，表明有可能對健康產(chǎn)生不利影響。
• c）標(biāo)準(zhǔn)污染物：尺寸為2.5和10微米的顆粒物、二氧化氮（NO2）、二氧化硫（SO2）、一氧化碳（CO）、臭氧（O3）、氨（NH3）和鉛（Pb）是空氣質(zhì)量指數(shù)計算中涉及的具有潛在不利健康影響的主要標(biāo)準(zhǔn)污染物。在計算單個污染物的空氣質(zhì)量指數(shù)值時，應(yīng)將空氣質(zhì)量指數(shù)最高的污染物宣布為該市的空氣質(zhì)量指數(shù)，并將相應(yīng)的污染物宣布為標(biāo)準(zhǔn)污染物。
• d）監(jiān)測站：表示該城市在特定日期內(nèi)運(yùn)行的空氣質(zhì)量監(jiān)測站的總數(shù)。這些監(jiān)測站監(jiān)測的污染物濃度（即標(biāo)準(zhǔn)污染物）用于評估任何城市的空氣質(zhì)量指數(shù)。

進(jìn)行此分析有何好處？

官員們從AQI公告中實(shí)際匯編了感興趣的城市信息。隨著所關(guān)注的城市的增加，這項(xiàng)工作變得更加困難，必須在下午6點(diǎn)前報告上級，而公告在每天4點(diǎn)后才發(fā)布，這可能會導(dǎo)致無意的人為錯誤。由于這些原因開發(fā)了這套Python代碼。這種分析的好處包括減少人工分析的人力，可靠的結(jié)果減少了人為的錯誤，提高了公眾的知識水平，提高了政策制定者做出明智選擇的能力，包括監(jiān)測當(dāng)?shù)乜諝赓|(zhì)量管理的結(jié)果等。

現(xiàn)在開始編碼：

第1步：導(dǎo)入庫

導(dǎo)入庫numpy、requests、pandas、sys和tabula。requests?庫是為了從出版商的頁面上采集AQI公告。然后tabula?庫將PDF格式的公告讀到數(shù)據(jù)框中。pandas和numpy用作數(shù)據(jù)分析和科學(xué)計算。

## 導(dǎo)入庫
import pandas as pd
import requests
from tabula import read_pdf
import numpy as np
import sys

第2步：用戶定義的輸入

a）感興趣的日期（YYYYMMDD格式）；

b）下載PDF格式的AQI公告文件的路徑；

c）特定城市/感興趣的城市名單（可選）。

最終分析提供了每日AQI公告中提到的所有城市的排名。然而，在提取特定城市/感興趣的城市的排名的情況下，可以在c）中提供這些城市的名單。確保與c）中提供的城市相關(guān)的信息必須出現(xiàn)于AQI公報中。

## 用戶輸入
date = input('a) Enter the date of interest (on or after 29th January 2018) in the format YYYYMMDD: ') ##20180129 onwards
pathway = input('b) Define the Pathway address to download the bulletin: ') ##example C:/Users/USER/Downloads
list_of_cities = input('c) Enter the list of cities separated by commas and no space: ') ##Example Mumbai,Bangalore,Kolkata. Disclaimer: Make sure the cities mentioned are present in the Bulletin list

警告：請確保調(diào)用的意向日期是在2018年1月29日或之后。

## 日期調(diào)用檢查
if date<'20180129':
  sys.exit('Call the dates on or after 29th January 2018 and re-run the codes')

檢查完成后繼續(xù)進(jìn)行后續(xù)步驟。

第3步：下載AQI公告

使用request?庫下載AQI公告。使用tabula庫以數(shù)據(jù)幀格式讀取下載的pdf文件。如果在用戶定義的日期內(nèi)無法獲得AQI公報，運(yùn)行將被終止。

## 下載公告
k = requests.get('https://cpcb.nic.in//upload/Downloads/AQI_Bulletin_'+str(date)+'.pdf')

if k.status_code==404:
    sys.exit('No Bulletin exists for the mentioned date. Please try different date')
 
with open(pathway+'/AQI_Bulletin_'+str(date)+'.pdf','wb') as f:
    f.write(k.content)
    
## 以數(shù)據(jù)幀格式讀取pdf
pathway = pathway+'/AQI_Bulletin_'+str(date)+'.pdf'
file = read_pdf(pathway,pages='all')

第4步：基本數(shù)據(jù)清理

在這里，刪除重復(fù)的和不適用的數(shù)據(jù)，重新設(shè)置列名，并按AQI的降序?qū)?shù)據(jù)框進(jìn)行排序。包含AQI值的數(shù)據(jù)框列被命名為“索引”。

## 刪除重復(fù)的內(nèi)容
new_file = pd.DataFrame()
for i in range (0, len(file)):
    if i%2==0:
        extract_file = file[i]
        new_file = pd.concat([new_file,extract_file], axis=0)

## 提取列名
k= new_file.loc[0, ]
k.reset_index(inplace=True)
column_names = k.loc[1, ]
column_names = column_names[1: ]

## 重置列
new_file.columns = column_names

##從`new_file`中刪除`NA`
new_file.dropna(inplace=True)

## 按AQI的降序?qū)?shù)據(jù)幀進(jìn)行排序
final_file = new_file.loc[(new_file['City']!='City'), ]
final_file['Index Value']= final_file['Index Value'].astype(int)
final_file.sort_values(by='Index Value',ascending=False, inplace=True)
final_file.reset_index(inplace=True)
final_file.drop(columns=['S.No', 'index'], inplace=True)

第5步：根據(jù)空氣質(zhì)量指數(shù)對城市進(jìn)行排名

當(dāng)天擁有最高AQI值的城市獲得最高排名。輸出final_file包括根據(jù)AQI值在AQI公告中指定的城市的排名。2個或更多具有相同AQI值的城市被提供相同的排名。

## 基于AQI的城市排名
final_file['ranking'] = np.arange(1, len(final_file)+1)

for i in range(0,len(final_file)-1):
    if final_file.loc[i,'Index Value']== final_file.loc[(i+1), 'Index Value']:
        final_file.loc[(i+1), 'ranking']= final_file.loc[i, 'ranking']
        for k in range(i+2,len(final_file)):
            final_file.loc[k, 'ranking'] = final_file.loc[k, 'ranking']-1

第6步：對用戶定義的城市進(jìn)行排名并生成單獨(dú)的數(shù)據(jù)幀

生成的輸出文件名為city_ranking，包含了用戶定義的特定城市的所有必要信息。

## 用戶定義的城市排名
if len(city_list)> 0:
  city_list = list_of_cities.split(',')
  city_ranking = final_file.loc[final_file['City'].isin(city_list), ]

數(shù)據(jù)分析

首先運(yùn)行代碼。現(xiàn)在輸入每個用戶定義的預(yù)設(shè)條件：

• a) 輸入分析的日期，格式為YYYMMDD：20230401
• b) 定義下載公告的Pathway地址：由用戶決定，這里使用C:/Users/USER/Downloads
• c) 輸入由逗號和無空格分隔的城市列表：Mumbai、Delhi、Bangalore、Hyderabad、Ahmedabad、Chennai、Kolkata、Surat、Vadodara、Pune

輸出如下圖所示：

輸出（city_ranking）顯示了用戶定義的城市的空氣質(zhì)量狀況、指數(shù)、主要污染物、監(jiān)測空氣污染的監(jiān)測站數(shù)量和排名。注：在用戶定義的分析日期，AQI公報中沒有與Bangalore和Vadodara有關(guān)的信息，因此沒有顯示在數(shù)據(jù)框中。

使用這套代碼，可以了解許多有用的內(nèi)容。例如，使用for循環(huán)，就可以使用來自AQI公告庫的數(shù)據(jù)，并查看數(shù)據(jù)是如何隨時間變化的。