雷锋网按:本文为AI研习社编译的技术博客,原标题 Analyzing Utah’s Air Quality – Connecting to the EPA’s AQS Data API,作者为 Randy Zwitch 。 翻译 | 京鹏 校对 | 余杭 整理 | 余杭
住在山谷里有点像生活在汤碗里,所有重物似乎都集中在碗底。 我想说犹他州的许多山谷被称为地垒和地堑,虽然我确信一些地质学家可能纠正我的错误。无论如何,四面环山意味着空气污染往往会收集并集中在山谷底。
从伍德兰丘陵看犹他州
作为一个终身的犹他人,我开始怀疑污染有多严重? 新闻记者似乎认为很糟糕。 政界人士却说这种情况从未如此好过。 有多糟糕呢? 它对房地产价值等因素有何影响? 有多少人受到影响?
为了帮助回答其中一些问题,我们与 MapD 的高级开发人员倡导者 Randy Zwitch 合作。 通过这种合作,我们希望可以更好地了解犹他州的空气质量及其影响,并且随着我们的学习,我们将与您分享我们的流程。
这种合作关系将产生一系列博客文章,记录我们的流程和学习所得。
分析犹他州空气质量
第一部分: 连接到 EPA 的 AQS 数据 API
第二部分:AQS 数据清理和转化
第三部分:使用 Shapefile 并在 MapD 中分配AQI站点
第四部分:在 MapD 中构建犹他州 AQI 仪表板
第五部分:最终分析:空气质量调查结果
让我们开始吧...
我们需要从环保局获取我们的空气质量数据。数据免费提供,唯一的要求是创建一个账户,用于访问空气质量数据API。
要创建新帐户,请访问 https://aqs.epa.gov/signup 。您需要提供的唯一信息是电子邮件地址。 在使用您的电子邮件地址提交表单后,您将收到一个密码。
收到 API 密码后,你就可以通过一个基于网页的查询表查询空气质量数据。
EPA 上基于网页的空气质量查询工具
使用这个基于网页的查询工具可以快速熟悉可用的数据类型,用于选择所需数据的参数以及整体数据输出格式。
通过API可以获得大量的空气质量数据,当您尝试使用基于网页的查询工具时,您可以开始了解哪种数据集最符合您的兴趣。 对于我们的分析,我们使用以下参数:
一旦您理解了数据并了解了如何构建查询,就可以从基于网页的表单转换为您选择的编程语言,以便对数据进行检索,挖掘,清理,传输等。 对于此示例,我们将使用Python。
有关如何与API交互的详细文档,请参阅:https://aqs.epa.gov/aqsweb/documents/ramltohtml.html
Python 脚本示例
项目路径结构
让我们分解这个例子中的操作:
第1步: 导入 Python 库
pandas:由于数据来自API,我们将使用 Pandas 将数据存储在 DataFrame 中。 稍后,我们将在操作数据时使用Pandas 的其他功能。
io:我们将使用 io 库来解码从API返回的数据。
requests:Requests 库将用于向 EPA.gov 服务器发出API请求。
第2步:创建 Pandas Dataframe
我们将创建一个空的 DataFrame 来存储 API 的响应。
第3步: 导入配置数据
如前所述,我们无法请求整个州的数据,因此我们需要一种有效的方法来按县逐个请求数据。 为了使代码更具可伸缩性,我们将使用 county.py 来检索要处理的郡列表。 虽然我们在这里只看犹他州,但代码可以很容易地扩展到处理任何州.
将用于构造 API 调用的基本配置信息包含在名为 config.py 的文件中,此文件作为基本配置文件运行,您要从主项目代码中抽象出来的任何细节都可以放到里面。
第4步: 遍历州的每个郡
现在我们需要遍历有兴趣分析的州的每个郡。
这就是我们定义循环的方式。 使用 county.py 中包含的县列表,我们将遍历州的县列表中的每个县名(如 config.py 中所定义)。 对我们来说,我们的 config.stateName = utah。
第5步: 构建API调用
在我们的郡循环中,我们将构建一个 API 调用来检索给定的州 - 郡组合的空气质量数据。
这里我们只是构建一个字符串,然后用于执行API调用。 API连接详细信息,如在config.py中定义的 apiURL 和 apiUser 。
构造 API 字符串的示例
基本查询参数,如 aqsClass 和 stateCode,也在 config.py 中定义。
countyCode 是循环处理的当前郡的代码。
如果您希望通过简单地在 config.py 文件中添加两个额外的行项目,您所请求的数据集的开始(bdate)和结束(edate)日期也可以编码到 config.py 中,如下所示:
我希望通过请求给定年份的数据来使脚本更容易运行,而无需每次都更新配置文件,因此我只需编写用户输入来获取所需的年份,如下所示:
第6步:发出 API 请求并处理结果
我们将使用 requests 库来发送 API 请求,使用我们在上一步中构建的字符串。
然后将响应存储在 Pandas 的 DataFrame aqs_df 中。
最后,我们将响应 DataFrame 合并到我们的主 DataFrame 中。 请记住,我们循环遍历给定州的每个县,因此我们需要处理结果,然后构建一个 DataFrame,其中包含州内每个县的所有数据。
第7步: 输出全部结果
最后,在我们为州中的每个县提出API请求并将每个API调用的响应组合到我们的主 DataFrame df之后,我们现在可以将结果输出到 csv 文件中。
虽然我们将在 Python 中进行额外的清理和工作,但我们希望将输出数据快速导入 MapD,以确保在我们完成 Python 中的任何其他工作之前格式是理想的(这些额外的计算和清理步骤将在未来的文章中呈现)。
本系列的下一篇文章将重点介绍如何从 API 清理数据,使用数据计算空气质量指数(AQI),并导出数据以导入MapD,我们将进一步分析数据并创建交互式数据可视化。
原文:
https://33sticks.com/analyzing-utahs-air-quality-connecting-epas-aqs-data-api/