25、空气质量测量数据处理与模型校正分析

空气质量测量数据处理与模型校正分析

1. 数据筛选与重命名

在处理 PM2.5 数据时，发现有两列包含 PM2.5 数据： PM2.5_CF1_ug/m3 和 PM2.5_ATM_ug/m3 。经过研究发现，PurpleAir 传感器使用两种不同的方法将原始激光记录转换为 PM2.5 数值，这两种计算方法分别对应 CF1 和 ATM 列。Barkjohn 发现使用 CF1 产生的结果比 ATM 更好，因此保留该列，同时保留日期、温度和相对湿度列。以下是实现代码：

def drop_and_rename_cols(df):
    df = df[['created_at', 'PM2.5_CF1_ug/m3', 'Temperature_F', 'Humidity_%']]
    df.columns = ['timestamp', 'PM25cf1', 'TempF', 'RH']
    return df

pa = (pa_full
      .pipe(drop_and_rename_cols))
pa.head()

2. 检查数据粒度

为了使这些测量的粒度与 AQS 数据匹配，我们希望每个日期（24 小时周期）有一个平均 PM2.5 值。PurpleAir 传感器每两分钟进行一次测量，在将原始测量数据聚合到 24 小时周期之前，需要仔细检查其粒度。具体操作步骤如下：
1. 将包含日期信息的列从字符串转换为 pd.TimeStamp 对象，日期格式为