【免费开源】全国空气质量监测数据集:197 个城市的每日 AQI 数据,如何快速开展环境分析

原创2026-10-31 22:19:201,747 阅读

【免费开源】全国空气质量监测数据集:197 个城市的每日 AQI 数据,如何快速开展环境分析

全国空气质量监测数据集是一个面向中国各城市的空气质量数据资料库,以 CSV 文件形式提供 197 个城市的逐日监测记录,覆盖 AQI 指数、质量等级与 PM2.5、PM10、SO₂、NO₂、CO、O₃ 六大关键污染物浓度,适合环境科学研究、政策制定与公众健康分析等场景,让新手也能快速上手做空气质量分析。

一、数据集全景:197 个城市、逐日粒度、一份文件一个城市

整个数据集由 197 个 CSV 文件组成,每个文件对应一个城市(如 beijing.csv、shanghai.csv),原始数据打包在 爬虫数据(部分原始数据).zip.zip) 中,解压后即可逐城分析。

每个城市文件包含以下核心字段:

  • 日期:精确到天的记录,便于追踪时间序列变化
  • 质量等级:从"优"到"重度污染"的直观分级
  • AQI 指数:统一衡量空气质量的数值标准,反映整体空气状况
  • 当天 AQI 排名:与指数对应的等级名称,方便非专业用户理解
  • 污染物浓度:PM2.5、PM10、SO₂、NO₂、CO、O₃ 六项关键指标,是评估空气质量的核心参数

以北京为例,单城记录从 2013 年 10 月持续至 2023 年 5 月,共三千余条逐日数据,足以支撑多年尺度的趋势研究。

二、从原始到可用:数据如何保证一致与可靠

数据在入库前经过统一清洗与预处理,确保各城市口径一致、可直接对比分析:

  • 缺失值处理:对数据空缺采用适当的统计方法补齐,保证时间序列的连续性
  • 异常值校正:识别并调整潜在的测量误差,提高数据可靠性

同时需注意两个使用要点(详见 README.md):文件采用 GBK 编码,用 Python 或 R 读取时指定 encoding='gbk' 即可正确显示中文;研究或发布成果时应注明数据来源,并留意数据的时间范围与地域覆盖限制。

三、落地场景:这份数据能帮你做什么

城市空气质量趋势分析

用户可以按城市绘制 AQI 指数 的多年折线图,直观识别空气质量的改善或恶化拐点,为长期环境监测与年度评估提供量化依据。

环保政策效果评估

政策分析师可以对比政策实施前后的污染物浓度变化,以 PM2.5、O₃ 等指标为参照,为制定和调整针对性的环保措施提供实证基础。

公共卫生与健康研究

研究人员可以基于逐日污染物暴露数据,开展空气污染与呼吸道疾病、慢性病发病率之间的关联分析,为公共卫生政策提供科学依据。

教学案例与公众科普

教师或科普作者可以用 Excel、Pandas 快速生成"城市污染地图"或"四季空气质量对比",增强公众对空气质量问题的认识,降低环境数据的理解门槛。

四、为什么值得使用:覆盖、质量、易用与开放

  • 全面性:覆盖全国 197 个城市,一份文件一个城市,结构与口径统一,横向可比、纵向可追踪
  • 高质量:所有数据均经过缺失值处理与异常值校正,直接满足科研与报告级分析的要求
  • 易用性:标准 CSV 格式,用 Excel、Python(Pandas)、R 语言等常见工具即可打开、处理与可视化,无需额外配置
  • 开放性:作为开源数据集,鼓励使用者分享分析发现,共同促进环境科学进步

五、上手指南:三步完成你的第一次空气质量分析

  1. 获取数据:通过本仓库获取数据集压缩包,也可执行 git clone https://gitcode.com/open-source-toolkit/94642 拉取完整仓库,解压后即可得到 197 个按城市命名的 CSV 文件
  2. 加载与清洗:用 Pandas 以 GBK 编码读取目标城市文件,例如 pd.read_csv('beijing.csv', encoding='gbk'),将日期列解析为时间类型
  3. 分析与可视化:按年份或季节分组统计 AQI 指数 与污染物均值,用 matplotlib 或 ECharts 输出趋势图,即可得到一份可展示、可复现的分析报告

数据集以 LICENSE 协议开放。无论你是环境学者、城市规划者,还是刚接触数据科学的新手,这份逐日、逐城、指标齐全的空气质量数据都能让你少走弯路。立即下载全国空气质量监测数据集,开启你的环境数据分析之旅。

登录后查看全文
全国空气质量监测数据集