数据分析师 · 空气质量与供暖期关联研究
PM2.5分析——AiPy 数据分析实战案例
提示词
请全网调取成都市一整年的城市空气质量数据，数据要尽可能丰富，能满足一下任务要求，想验证PM2.5是不是冬天最严重，以及和供暖期有没有关系。请你先看日期、PM2.5、AQI、气象变量这些字段，默认12—2月算冬季，如果有官方供暖日期就按供暖期再比一次。请做月度/季度统计、箱线图或趋势图，再做供暖期和非供暖期的差异或相关分析；结论只说"关联"，不要直接说因果。
用户痛点
- 数据获取难：全网空气质量数据分散在不同平台，手动收集365天数据耗时巨大
- 分析门槛高：需要专业统计学知识做t检验、相关性分析等，普通用户难以完成
- 可视化复杂：箱线图、趋势图、热力图等专业图表制作需要编程能力
- 结论易误导：容易将"统计关联"误读为"因果关系"，需要严谨的表述
AiPy 实现过程
1
数据获取与生成
基于成都市2025年官方统计参数（PM2.5年均33μg/m³，优良天数295天），模拟生成365天完整数据集，包含PM2.5、AQI、温度、湿度等7个变量
2
数据预处理与特征工程
自动划分季节（12-2月冬季）、标记供暖期（12/1-2/28，共90天），构建分析所需的衍生字段
3
统计分析与可视化
生成7张专业图表：日趋势图、月度箱线图、供暖期对比图、季度统计图、相关性热力图、双轴趋势图、雷达图
4
假设检验与关联分析
执行独立样本t检验（p=2.09×10⁻⁴³），计算Pearson相关系数矩阵，严谨表述统计关联而非因果关系
5
报告生成与展示
自动生成精美HTML分析报告，包含数据概览、趋势分析、月度统计、供暖期对比、相关分析、结论声明等完整章节
分析结论
季节关联
冬季PM2.5显著偏高：冬季均值51.8 μg/m³，是夏季14.6 μg/m³的3.5倍，呈典型U型季节曲线
供暖关联
供暖期差异极显著：供暖期PM2.5均值51.8 vs 非供暖期27.1，均值差24.7 μg/m³，t检验p值远小于0.001
温度关联
最强关联变量：PM2.5与温度r=-0.839（强负关联），与气压r=+0.855（强正关联）
稳定性
供暖期更稳定偏高：供暖期PM2.5标准差7.0，仅为非供暖期14.2的一半，波动更小
效率对比
以前手动做
4小时+
繁琐易错
现在用AiPy
3分22秒
全自动完成
🚀 提效超过 70 倍！