以下是重新编写的问题一的Python代码，旨在对提供的污水监测数据进行探索性分析，量化污水排放指标的时序特征。新代码结构清晰，并遵循良好的编程实践： ### Python代码：污水监测数据的时序分析与统计分析 ```python # 导入必要的库 import pandas as pd import matplotlib.pyplot as plt import seaborn as sns from sklearn.impute import SimpleImputer import numpy as np # 设置绘图样式 sns.set_theme(style="whitegrid") # 读取数据 def load_data(file_path): """加载数据""" df = pd.read_excel(file_path) return df # 数据预处理 def preprocess_data(df): """预处理数据，包括时间索引设置、缺失值处理以及异常值修正""" # 设置时间索引 df['监测时间'] = pd.to_datetime(df['监测时间'], format='%Y-%m-%d %H') df.set_index('监测时间', inplace=True) # 插补缺失值 imputer = SimpleImputer(strategy='linear') df_imputed = pd.DataFrame(imputer.fit_transform(df), columns=df.columns, index=df.index) # 设定合理的阈值范围 valid_ranges = { 'PH值': (6.0, 9.0), '氨氮排放量': (0.01, 1.5), '化学需氧量排放量': (0.05, 5.0) } # 动态填充异常值 for column, (min_val, max_val) in valid_ranges.items(): mask = (df_imputed[column] >= min_val) & (df_imputed[column] <= max_val) df_imputed.loc[~mask, column] = np.nan df_imputed[column].interpolate(method='spline', order=3, inplace=True) return df_imputed # 时序图绘制 def plot_time_series(df): """绘制各指标的时序图""" fig, axes = plt.subplots(3, 1, figsize=(15, 9)) # 绘制PH值时序图 ax1 = axes[0] ax1.plot(df['PH值'], label='PH值', color='blue') ax1.set_title('PH值时序变化趋势') ax1.set_ylabel('PH值') # 绘制氨氮排放量时序图 ax2 = axes[1] ax2.plot(df['氨氮排放量'], label='氨氮排放量', color='green') ax2.set_title('氨氮排放量时序变化趋势') ax2.set_ylabel('氨氮排放量 (mg/L)') # 绘制化学需氧量排放量时序图 ax3 = axes[2] ax3.plot(df['化学需氧量排放量'], label='化学需氧量排放量', color='red') ax3.set_title('化学需氧量排放量时序变化趋势') ax3.set_ylabel('化学需氧量排放量 (mg/L)') plt.tight_layout() plt.savefig('时间序列图.png', dpi=300) plt.show() # 统计分析 def statistical_analysis(df): """计算各指标的基本统计量""" stats_summary = df.describe().transpose()[['mean', 'median', 'std', 'max', 'min']] print("统计量分析表：") print(stats_summary) # 主程序入口 if __name__ == "__main__": # 加载数据 file_path = 'B题附件.xls' raw_data = load_data(file_path) # 数据预处理 processed_data = preprocess_data(raw_data) # 保存预处理后的数据 processed_data.to_excel('预处理数据.xlsx') # 绘制时序图 plot_time_series(processed_data) # 统计分析 statistical_analysis(processed_data) ``` #### 代码说明： 1. **导入库**：引入了`pandas`、`matplotlib`、`seaborn`和`sklearn`等常用数据处理和可视化库。 2. **加载数据**：定义了一个函数`load_data`用于读取Excel文件。 3. **数据预处理**： - 设置时间索引并处理缺失值。 - 使用线性插值填补缺失值，并设定合理的阈值范围以修正异常值。 4. **时序图绘制**：创建三个子图，分别展示PH值、氨氮排放量和化学需氧量排放量的时序变化。 5. **统计分析**：计算并打印各个指标的均值、中位数、标准差、最大值和最小值。 6. **主程序**：整合了上述步骤，执行完整的工作流。 该代码不仅实现了对污水监测数据的时序分析和统计分析，还确保了数据的质量和完整性。