R分享|空气质量数据分析相关书籍

简介: 最近在学习过程中,发现了一本与空气质量数据分析有关的书,书名叫做《The openair book——Tools for air quality data analysis》,作者是:David C. Carslaw。值得一提的是,这本书是开源的,通过bookdown构建的,网址链接为:https://bookdown.org/david_carslaw/openair/。

简介


最近在学习过程中,发现了一本与空气质量数据分析有关的书,书名叫做《The openair book——Tools for air quality data analysis》,作者是:David C. Carslaw。值得一提的是,这本书是开源的,通过bookdown构建的,网址链接为:https://bookdown.org/david_carslaw/openair/

openair项目在十多年前得到了英国自然环境环境研究委员会(NERC)的资助。主要目的是填补一个明显的空白,即缺乏一套专门的、易于获取的、开源的分析空气质量数据的工具。

ESL5H14@8_ZF]Q8X6T[CO%2.png

这本书最新更新时间是2020年11月10日,并且作者承诺还会继续更新,如果有读者做空气质量相关的研究,可以研读这本书,内部包含了很多相关可视化图的绘制、相关数据获取等内容。


书中内容


  • 简介
  • openair包
  • 访问Uk空气质量数据
  • 访问气象数据
  • 风和污染的玫瑰图

EY5}~QV8Q{J][A4O`X)${(X.pngimage.gif

  • 极坐标频率图

@JMWA`CB7B`P)OU2EJ$9NWO.png

  • 百分比玫瑰图

IPV3O[L3GZ(D8~QENT8Q}]9.png

  • 极坐标图

D(UW6T9F4ZY4ZL6ZYVC9}2C.pngimage.gif

  • 极坐标环图

UGV`JX]K0$_87K9W6EF7$CQ.png

  • 时间序列图

S4VU_W1C3EOXUTDC5U4TBKD.png

  • 时间波动图

8JBCW1GS1O0Z5]13XDZTSU0.pngimage.gif

  • 带趋势的热力图

_FI2U{C([@PWR{4HXD}KN~L.pngimage.gif

  • 日历图

X365NR9IM8]4JC14KA}B}V2.png

  • 泰尔森趋势

8@Q56LOKS9}%5Z_6D9K%9KW.png

  • 平滑趋势

@VU58Q}%OI(1E5FSMO8RKVX.pngimage.gif

  • 散点图

[[CR_H]W%FP~L{C[NVWY1`U.pngimage.gif

  • 轨迹分析
    SFUIIQER2HKVGZ93RNI3F06.png
  • 条件分位数
    NK1{QGVVT5`I40IL2$D%6)D.png
  • 模型评估
  • Tylor图
  • 实用函数库


小编有话说


当然不是这个方向的朋友也可以借鉴可视化图形的绘制方法。他这里的图形都是基于ggplot2包绘制的,然后包装成相应的函数,读者可以直接调用函数,结合帮助文档轻松构建自己的图形。


这本书的每个图都是一个章节,内部有很多调整的地方。小编以后可能挑几个使用范围广的做一下教程。

目录
相关文章
|
存储 数据挖掘 API
python开发:空气质量历史数据分析(一)
python开发:空气质量历史数据分析(一)
255 0
|
数据挖掘 索引 Python
python开发:空气质量历史数据分析(四)
python开发:空气质量历史数据分析(四)
264 0
python开发:空气质量历史数据分析(四)
|
数据挖掘 定位技术 Python
python开发:空气质量历史数据分析(三)
python开发:空气质量历史数据分析(三)
204 0
|
存储 数据挖掘 Serverless
python开发:空气质量历史数据分析(二)
python开发:空气质量历史数据分析(二)
232 0
|
数据挖掘
|
机器学习/深度学习 数据采集 数据可视化
基于爬虫和机器学习的招聘数据分析与可视化系统,python django框架,前端bootstrap,机器学习有八种带有可视化大屏和后台
本文介绍了一个基于Python Django框架和Bootstrap前端技术,集成了机器学习算法和数据可视化的招聘数据分析与可视化系统,该系统通过爬虫技术获取职位信息,并使用多种机器学习模型进行薪资预测、职位匹配和趋势分析,提供了一个直观的可视化大屏和后台管理系统,以优化招聘策略并提升决策质量。
786 4
|
数据采集 数据可视化 数据挖掘
数据分析大神养成记:Python+Pandas+Matplotlib助你飞跃!
在数字化时代,数据分析至关重要,而Python凭借其强大的数据处理能力和丰富的库支持,已成为该领域的首选工具。Python作为基石,提供简洁语法和全面功能,适用于从数据预处理到高级分析的各种任务。Pandas库则像是神兵利器,其DataFrame结构让表格型数据的处理变得简单高效,支持数据的增删改查及复杂变换。配合Matplotlib这一数据可视化的魔法棒,能以直观图表展现数据分析结果。掌握这三大神器,你也能成为数据分析领域的高手!
243 2
|
机器学习/深度学习 算法 数据挖掘
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
本文介绍了2023年第二届钉钉杯大学生大数据挑战赛初赛A题的Python代码分析,涉及智能手机用户监测数据分析中的聚类分析和APP使用情况的分类与回归问题。
308 0
2023 年第二届钉钉杯大学生大数据挑战赛初赛 初赛 A:智能手机用户监测数据分析 问题二分类与回归问题Python代码分析
|
12月前
|
机器学习/深度学习 算法 数据挖掘
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
数据分析的 10 个最佳 Python 库
|
机器学习/深度学习 数据采集 数据可视化
数据分析之旅:用Python探索世界
数据分析之旅:用Python探索世界
132 3