Python数据分析：PM2.5数据统计与可视化分析

1. 使用pandas库中的read_csv函数读取PM25data数据，代码如下：

import pandas as pd

data = pd.read_csv('PM25data.csv')

2. 获取平均气温、平均相对湿度、降水量、日照时数等变量，代码如下：

mean_temp = data['平均气温']
mean_rh = data['平均相对湿度']
precipitation = data['降水量']
sunshine_hours = data['日照时数']

3. 使用numpy库计算期望、方差、四分位数、偏度系数和峰度系数，代码如下：

import numpy as np

# 期望
mean = np.mean(data)

# 方差
variance = np.var(data)

# 四分位数
quartiles = np.percentile(data, [25, 50, 75])

# 偏度系数
skewness = np.mean((data - np.mean(data)) ** 3) / np.power(np.var(data), 1.5)

# 峰度系数
kurt = np.mean((data - np.mean(data)) ** 4) / np.power(np.var(data), 2) - 3

4. 根据经度或纬度信息将城市分为沿海城市和非沿海城市，代码如下：

# 根据经度分组
coastal_cities = data[data['经度'] > 110]
non_coastal_cities = data[data['经度'] <= 110]

# 根据纬度分组
coastal_cities = data[data['纬度'] > 20]
non_coastal_cities = data[data['纬度'] <= 20]

然后分别计算上述的统计量。

5. 使用matplotlib库中的scatter函数将PM2.5年均浓度点到图上，以是否沿海作为颜色区分，以海拔变量作为点的大小的度量，代码如下：

import matplotlib.pyplot as plt

# 绘制沿海城市的散点图
coastal_cities = data[data['经度'] > 110]
plt.scatter(coastal_cities['经度'], coastal_cities['纬度'], c=coastal_cities['是否沿海'], s=coastal_cities['海拔'])

# 绘制非沿海城市的散点图
non_coastal_cities = data[data['经度'] <= 110]
plt.scatter(non_coastal_cities['经度'], non_coastal_cities['纬度'], c=non_coastal_cities['是否沿海'], s=non_coastal_cities['海拔'])

plt.show()

其中，c参数用于指定颜色，s参数用于指定点的大小。