用Python实现：输入PM2.5的值，判断是否存在空气污染

非常感谢您的提问。以下是Python代码实现PM2.5的空气污染判断：

PM_value = float(input("请输入PM2.5的值："))

if PM_value <= 35:
    print("空气质量优秀")
elif PM_value <= 75:
    print("空气质量良好")
elif PM_value <= 115:
    print("空气轻度污染")
elif PM_value <= 150:
    print("空气中度污染")
elif PM_value <= 250:
    print("空气重度污染")
else:
    print("空气严重污染")

以上代码可以根据输入的PM2.5值判断出空气质量的等级，并输出对应的结果。希望可以对您有帮助！

相关问题

python实现ARIMA预测PM2.5

ARIMA（自回归积分滑动平均模型）是一种常用的时间序列分析和预测方法。在Python中，可以使用statsmodels包来实现ARIMA模型。

下面是使用ARIMA模型预测PM2.5的示例代码：

首先，导入相关的库和数据集：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima_model import ARIMA
from sklearn.metrics import mean_squared_error

# 读取数据集
data = pd.read_csv('PM2.5.csv', parse_dates=['date'], index_col='date')

接着，对数据进行预处理，包括缺失值处理、平稳性检验和差分等：

# 缺失值处理
data = data.fillna(data.mean())

# 平稳性检验
diff1 = data.diff(1)
diff1 = diff1.dropna()
adf = sm.tsa.stattools.adfuller(diff1['PM2.5'])
print('ADF统计量: %f' % adf[0])
print('p-value: %f' % adf[1])
print('1阶差分后序列的白噪声检验结果为：', sm.stats.acorr_ljungbox(diff1, lags=1))

# 差分
diff2 = data.diff(2)
diff2 = diff2.dropna()

接下来，使用ARIMA模型进行拟合和预测：

# 拟合模型
model = ARIMA(data, order=(1,1,1))
model_fit = model.fit(disp=0)

# 预测
forecast = model_fit.forecast(steps=12)[0]

最后，计算预测误差并可视化预测结果：

# 计算预测误差
rmse = np.sqrt(mean_squared_error(data[-12:], forecast))
print('RMSE: %.3f' % rmse)

# 可视化预测结果
plt.plot(data[-24:])
plt.plot(forecast, color='red')
plt.xlabel('date')
plt.ylabel('PM2.5')
plt.legend(['actual', 'predicted'])
plt.show()

完整代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.arima_model import ARIMA
from sklearn.metrics import mean_squared_error

# 读取数据集
data = pd.read_csv('PM2.5.csv', parse_dates=['date'], index_col='date')

# 缺失值处理
data = data.fillna(data.mean())

# 平稳性检验
diff1 = data.diff(1)
diff1 = diff1.dropna()
adf = sm.tsa.stattools.adfuller(diff1['PM2.5'])
print('ADF统计量: %f' % adf[0])
print('p-value: %f' % adf[1])
print('1阶差分后序列的白噪声检验结果为：', sm.stats.acorr_ljungbox(diff1, lags=1))

# 差分
diff2 = data.diff(2)
diff2 = diff2.dropna()

# 拟合模型
model = ARIMA(data, order=(1,1,1))
model_fit = model.fit(disp=0)

# 预测
forecast = model_fit.forecast(steps=12)[0]

# 计算预测误差
rmse = np.sqrt(mean_squared_error(data[-12:], forecast))
print('RMSE: %.3f' % rmse)

# 可视化预测结果
plt.plot(data[-24:])
plt.plot(forecast, color='red')
plt.xlabel('date')
plt.ylabel('PM2.5')
plt.legend(['actual', 'predicted'])
plt.show()

其中，数据集可以从公开数据集网站或者相关的政府部门网站下载。在代码中，我们假设数据集已经被读取并且包含一个名为“PM2.5”的列，在这一列上进行预测。同时，我们使用ARIMA模型的(1,1,1)参数进行拟合和预测。最后，我们使用RMSE指标评估预测结果的精度，并可视化预测结果和真实值。

输入pm2.5输出空气质量python

代码怎么写？

可以使用以下的代码来实现输入 PM2.5 值，输出空气质量等级：

pm25 = input("请输入 PM2.5 值：")
pm25 = float(pm25)

if pm25 < 35:
    print("空气质量优，适合户外活动")
elif pm25 < 75:
    print("空气质量良，可以进行正常活动")
elif pm25 < 115:
    print("轻度污染，敏感人群应减少户外活动")
elif pm25 < 150:
    print("中度污染，敏感人群应避免户外活动")
elif pm25 < 250:
    print("重度污染，应减少身体负荷，避免户外活动")
else:
    print("严重污染，应停止户外活动")

希望对您有所帮助！