python开发：空气质量历史数据分析（四）

接上篇python开发：空气质量历史数据分析（二），计算出每天的平均AQI后，根据AQI数据，计算出对应的每天污染等级，需要在一个月的数据添加一个新的列，直接在DataFrame上以中括号添加即可。

monthdata['level']
在使用map函数，根据AQI的数据值，计算对应的污染等级，map可以使用函数。

monthdata['level'] = monthdata['AQI'].map(ComputeLevel)
aqilevels = np.array([........])
levels = np.array([u'优', u'良', u'轻度污染',
 u'中度污染', u'重度污染', u'严重污染', u'无数据'])
def ComputeLevel(x):
    if (not math.isnan(x)):
        index = np.where(aqilevels >= x)
        return levels[index[0][0]]
    else:
        return '无数据'

将没有数据的部分，填充为无数据，方便在数据统计时，进行查看。

monthdata['level'] = monthdata['level'].fillna('无数据')
接下来，根据污染等级，统计DataFrame中的数据，计算每月的各个污染等级天数，其中将level列名转换成count，将level作为列名，不作为索引显示。

levelscount = pd.DataFrame(monthdata['level'].
groupby(monthdata['level']).count())
levelscount = levelscount.rename(columns={'level': 'count'})
levelscount = levelscount.reset_index('level')

使用matplotlib，统计每月各个级别的天数，以柱状图的方式显示。

fig = plt.figure(figsize=(8, 5))
dataax = fig.add_subplot(1, 1, 1)
dataax.bar(inde, levelscount['count'].tolist(),
 0.35, color=lecolor, edgecolor='white')