一、引言
背景：在纽约，游客们往往把自由女神象、帝国大厦、中央公园等视为纽约的象征, 但穿梭在人海中的出租车也是纽约靓丽的人文景观之一, 是其流动的风景线, 在纽约公共文化中别具魅力。本篇文章利用之前从kaggle上下载的数据train.csv，结合Excel对数据进行分析，数据量大约有（1048574行），因数据量比较大，有时加载过慢，下一步准备用python进行预测分析。二、数据分析
主要包括提出问题、理解数据、数据清洗、构建模型、数据可视化
1、提出问题

（1）出租车行业的业务指标有哪些？

A：出租车GPS原始数据

主要包括出租车的车机号、UTC时间、纬度、经度、行驶方向、速度和载客状态

B：基本运营数据：

运营时间： 出租车基本为全天候运营， 运营时间较长， 出租车司机劳动强度较高， 在其运营过程中， 需要进行交接班。

运行起点： 出租车无固定运行起点， 乘客可在任意位置打车， 具有较高的便利性；

运行终点： 出租车每次的运行终点为用户指定， 并且出租车对道路条件要求不高， 几乎可抵达城市的各个角落， 具有较高的可达性；

运行路线： 当出行起终点确定后， 司机会基于自身驾驶经验对出行路径进行选择， 具有较高的随机性和灵活性；

运行状态： 出租车在道路上的运行状态共有空载和重载两种， 其空驶时间取决于该区域内的乘客需求情况， 空载出租车会増加道路负担；

运行速度： 当出租车空载时，一般会减慢速度行驶， 方便出租车寻客；而当出租车重载时， 行驶速度便会加快， 且中途不会停车或上下客，便尽快将乘客送至目的地， 具有较高的快捷性；

载客量： 介于私人小巧车和常规公交之间， 每次搭载乘客最多为４ 人，具有较高的舒适性；

付费行为： 出租车司机在将乘客送至指定目的地后， 由乘客根据出租车计费结果进行付费。

C：出租车上下客高峰期

工作日上下客高峰期：工作日各个时段的乘客上下车所占比例的变化情况

休息日上下客高峰期：休息日各个时段的乘客上下车所占比例的变化情况

D：出租车基本运营指标：

出租车运营数量：运营出租车数量指的就是某一天或某段时间内运营的出租车数量；

全天的载客次数：全天载客次数是指在某一天时间内每辆出租车的载客次数之和；

平均载客次数：平均载客次数是指在某天内平均每辆出租车的载客次数， 即为全天载客次数与运营出租车数量之商；

平均载客时长：指在某天内平均每辆出租车的载客时间；

平均空驶时间：指在某段时间内平均每辆出租车的空驶时间；

平均运营时间：指在某一天内平均每辆出租车的运营时间；

空驶率：是平均空驶时间与平均运营时间之商；

（2）分析思路

（3）本篇基于纽约出租车数据的基本指标，如截取的部分图片所示：

内容包括打出租车的费用，打出租的时间，出发点的经纬度，目的地的经纬度，乘客的人数
我们可以相应的提出所关注的问题？
A:每一天，不同时间的订单量如何？如果有高峰时段，是在哪个时间段？
B:纽约出租车不同时间的运价如何？夜晚的运价是否高于白天的运价？路程长短与运价之间是否有阶梯运价？
C:预测未来五年的不同时间的运价（python）
2、理解数据
（1）列名的名称要全部显示，采用自动换行功能，列宽调整为15

（2）观察数据类型
包括哪些数据类型，均为数字类型，可用于计算
3、数据清洗
（1）选择子集：根据出发点和到达点计算两点的公里数，可将出发点和到达点的经纬度信息、乘坐车的乘客的人数隐藏，

（2）列名重命名
将要研究的数据重新命名，对其原名称进行修改，并利用公式计算行驶公里数及运价数据。

（3）删除重复值
将数据中重复数据进行删除。

（4）缺失值处理
对缺失的数据进行处理，将为0的值进行删除。
重置有四种方法处理缺失值：
a:人工补全，适合比较少的数据
b:删除缺失的数据
c:用平均值代替缺失值
d:用统计模型计算出值代替缺失值
因为本例子中经纬度数据缺失，所以采取将为0的数据进行删除。

首先将为0的数据进行空白处理

或者用ctrl+"-"，最终将缺失值进行删除

或者用筛选将0值选中，然后删除0值所在的行

（5）一致化处理
需看看目前所保留的数据是否有统一的标准或命名

将年、月、日、时间分别提取出来

选中十字号，将内容全部填充。
（6）数据排序
利用运价数据，应用到所有数据进行排序

（7）异常值处理
主要利用数据透视表的操作，看看是否有异常值数据。

进行排序处理，发现有异常值，由于异常值数量较少，将异常值进行删除处理。
4.构建模型
（1）对出租车的运价进行描述统计

（2）根据数据透视表的信息，从2009年-2015年（部分数据），纽约出租车的订单量是呈现上下波动的趋势，在2012年达到的峰值

除此之外，因为数据量过多，用Excel数据分析相对困难，接下来会用python进行分析。

5.模型可视化

可视化展示：

问题预留：

因数据量过大，在用Excel操作时明显感觉不太便捷，下一步需要研究的问题

1.对不同年份、不同时间段的订单量进行分析

2.对未来几年的纽约市出租车费进行预测。

三、出租车行业或出行行业的常见业务面试题有哪些？

（1）某某出行行业主要的用户是谁？包括哪些？是否能说出几项特征（用户画像）

（2）乘客最关心什么；司机最关心什么，怎么解决 ？

（3）如果想提高客户的订单量，您需要选择哪些指标进行分析？