背景介绍

随着我国的经济迅速发展，城市人口急剧增加，随之带来的是一系列的问题，交通拥堵，环境受到破坏，发展公共交通可以完美的解决现在我们面临的这些问题，自行车具有机动灵活、低碳环保的优点，如果自行车可以取代现在的机动车，那么道路就不会那么拥挤，人们的出行效率就会大大提升，汽车废气的排放量也将大大的减少，环境的质量也会提升。同时，为了完美的解决从地铁站到公司、从公交站到家的“最后一公里”路程，共享单车应运而生.

共享单车有效的解决了“走路累，公交挤，开车堵，打车贵”的苦恼。一夜之间，北上广深、甚至部分二线城市，共享单车大街小巷随处可见。继2016年9月26日ofo单车宣布获得滴滴快车数千万美元的战略投资，双方将在共享单车领域展开深度合作之后，摩拜单车也于2017年1月完成D轮2.15亿美元（约合人民币15亿元）的融资，国内共享单车更加火爆，最近一张手机截屏蹿红网络。在这张截图上，24个共享单车应用的图标霸满了整个手机屏幕，真的是“一图说明共享单车的激烈竞争”。而在街头，仿佛一夜之间，共享单车已经到了“泛滥”的地步，各大城市路边排满各种颜色的共享单车。共享经济的不断发展逐渐的改变着人们的日常生活，共享精神也逐渐深入人心。

数据来源（已更新）

CSDN下载
https://download.csdn.net/download/qq_40507857/13191475

python源代码

# 1.导包操作：科学计算包numpy，pandas，可视化matplotlib，seaborn
import numpy as np  # 导入numpy并重命名为np
import pandas as pd  # 导入pandas并重命名为pdfrom pylab import mplmpl.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体from datetime import datetime
import calendarimport matplotlib.pyplot as plt
import seaborn as sn# weekday方法：日期--》星期值（整数，下标从0开始）
# strptime方法：字符串--》日期
# day_name方法：星期值--》星期（字符串）
# month_name方法：月份值--》月份（字符串）
# month方法:日期--》月份值（整数）(1-12)
# map方法：根据对应字典产生映射# 2. 数据采集/查看和处理
def collect_and_process_data():# 2.1 数据读取bikedata = pd.read_csv('train.csv')# 2.2 数据查看print(bikedata.shape)  # 查看数据print(bikedata.head(5))  # 查看数据的前5行print(bikedata.dtypes)  # 查看数据类型# 2.3数据提取# 2.3.1提取年月日# 对datetime这一列应用匿名函数：# x表示datetime这一列数据# x.split()以空格符分割,返回字符串列表# x.split()[0]取出列表的第一个元素bikedata['date'] = bikedata.datetime.apply(lambda x: x.split()[0])  # 添加一列：date# 2.3.2提取小时bikedata['hour'] = bikedata.datetime.apply(lambda x: x.split()[1].split(':')[0])# 2.3.3 在年月日的基础上提取星期几(格式化字符串)bikedata['weekday'] = bikedata.date.apply(lambda dateString: calendar.day_name[datetime.strptime(dateString, '%Y/%m/%d').weekday()])# 2.3.4 在年月日的基础上提取月份值bikedata['month'] = bikedata.date.apply(lambda dateString: calendar.month_name[datetime.strptime(dateString, "%Y/%m/%d").month])# 2.4 数据转换# 2.4.1 将season转换为英文季节值bikedata['season'] = bikedata.season.map({1: 'spring', 2: 'summer', 3: 'fall', 4: 'winter'})# 2.4.2 将以下变量转化成分类变量print(bikedata)varlist = ['hour', 'weekday', 'month', 'season', 'holiday', 'workingday']for x in varlist:bikedata[x] = bikedata[x].astype('category')  # astype 改变数据类型print(bikedata.dtypes)# 2.4.3删除无意义的列bikedata.drop('datetime', axis=1, inplace=True)# 2.5数据清洗# 2.5.1查看数据缺失print(bikedata.describe())# 2.5.2查看是否有异常值fig, axes = plt.subplots(nrows=2, ncols=2)fig.set_size_inches(12, 12)  # 重设大小，单位：英寸# v垂直 h水平# 绘制箱型图sn.boxplot(data=bikedata, y='count', orient='v', ax=axes[0][0])sn.boxplot(data=bikedata, x='season', y="count", orient='v', ax=axes[0][1])sn.boxplot(data=bikedata, x='hour', y="count", orient='v', ax=axes[1][0])sn.boxplot(data=bikedata, x='workingday', y="count", orient='v', ax=axes[1][1])# 设置横坐标、纵坐标、标题axes[0][0].set(ylabel="骑行人数", title="骑行人数")axes[0][1].set(ylabel="骑行人数", xlabel="季节", title="各季节骑行人数")axes[1][0].set(ylabel="骑行人数", xlabel="时间段", title="各时间段骑行人数")axes[1][1].set(ylabel="骑行人数", xlabel="是否工作日", title="工作日和非工作日骑行人数")plt.savefig('collect_and_process_data.png')  # 保存图片plt.show()  # 显示图片# 2.5.3剔除异常数据print(np.abs(bikedata["count"] - bikedata["count"].mean()))print(3 * bikedata["count"].std())print(np.abs(bikedata["count"] - bikedata["count"].mean()) <= (3 * bikedata["count"].std()))processed_data = bikedata[np.abs(bikedata["count"] - bikedata["count"].mean()) <= (3 * bikedata["count"].std())]print(processed_data)processed_data.to_csv('processed_data.csv')return processed_data# 3. 数据分析与可视化（不同月份的骑行月份分析）
def Data_Analysis_and_Visualization_month(bikedata):fig, axes = plt.subplots()fig.set_size_inches(12, 20)sortOrder = ["January", "February", "March", "April", "May", "June", "July", "August", "September", "October","November", "December"]# 判断每个月份有几条记录，并按由大到小顺序排序monthAggregated = pd.DataFrame(bikedata.groupby("month")["count"].mean()).reset_index()# print(monthAggregated)monthSorted = monthAggregated.sort_values(by="count", ascending=False)  # 按月份从小到大排序# print(monthSorted)# 绘制柱状图sn.barplot(data=monthSorted, x="month", y="count", order=sortOrder)axes.set(xlabel="月份", ylabel="平均骑行人数", title="不同月份的骑行人数")plt.savefig('result_month.png')# plt.show()# 4. 数据分析与可视化（不同时间的骑行时间）
def Data_Analysis_and_Visualization_hour(bikedata):fig, ax = plt.subplots()fig.set_size_inches(12, 20)hueOrder = ['Sunday', 'Monday', 'Wednesday', 'Thursday', 'Friday', 'Saturday']# 一周内不同时间的骑行人数hourAggregated = pd.DataFrame(bikedata.groupby(['hour', 'weekday'])['count'].mean()).reset_index()print(hourAggregated)# 绘制折线图sn.pointplot(x=hourAggregated['hour'], y=hourAggregated['count'], hue=hourAggregated['weekday'], hue_order=hueOrder,data=hourAggregated)ax.set(xlabel='时间', ylabel='骑行人数', title='一周内不同时间的骑行人数')plt.savefig('result_hour.png')plt.show()# 主函数
def main():# 数据采集/查看和处理processed_data = collect_and_process_data()# 数据分析与可视化:月份Data_Analysis_and_Visualization_month(processed_data)# 数据分析与可视化:小时Data_Analysis_and_Visualization_hour(processed_data)# 主程序
if __name__ == '__main__':main()

分析结果

数据查看

数据分析与可视化（骑行月份分析）

数据分析与可视化（骑行时间分析）

Python数据分析实战项目-共享单车骑行数据分析相关推荐

Python数据分析项目-共享单车骑行数据分析
背景介绍随着我国的经济迅速发展,城市人口急剧增加,随之带来的是一系列的问题,交通拥堵,环境受到破坏,发展公共交通可以完美的解决现在我们面临的这些问题,自行车具有机动灵活.低碳环保的优点,如果自行车可 ...
基于数据挖掘的共享单车骑行数据分析与预测
温馨提示:文末有 CSDN 平台官方提供的博主 Wechat / QQ 名片 :) 1. 项目背景共享单车系统在大城市越来越流行,通过提供价格合理的自行车租赁,让人们可以享受在城市里骑自行车的乐趣, ...
共享单车骑行数据分析数据来源
背景介绍随着我国的经济迅速发展,城市人口急剧增加,随之带来的是一系列的问题,交通拥堵,环境受到破坏,发展公共交通可以完美的解决现在我们面临的这些问题,自行车具有机动灵活.低碳环保的优点,如果自行车可 ...
特征因子是什么意思_【空间分析】地理探测器应用-分异及因子探测、交互作用探测（共享单车骑行目的地时空特征与影响因素）...
广州市主城区共享单车骑行目的地时空特征与影响因素地理研究高枫刘小平等 2019 python是个好东西,爬虫也是个技术活. 以往研究不足: l 少有研究主要关注共享单车骑行的目的地时空分布及其影 ...
基于Android地图的共享单车骑行系统
app: 1.登陆注册功能 2.显示附近的共享单车租赁点 3.扫码或者输入编号开锁 4.车辆报修反馈 5.结束后点击结束骑行显示需要支付的金额 6.行程记录起始点终点以及金额的显示本单车 ...
拉钩作业：Bikeshare数据集预测共享单车骑行量
原始数据集地址: http://archive.ics.uci.edu/ml/datasets/Bike+Sharing+Dataset 文件说明 day.csv: 按天计的单车共享次数(作业只需使用 ...
数据分析实战项目2：优衣库销售数据分析
目录优衣库销售数据分析 1.需求和数据加载 2.不同种类产品的销售情况 2.1 不同产品的销售情况 3.用户的消费方式(线上or线下) 4.用户的消费习惯(周间or周末) 5.销售额和成本之间的关系 ...
python爬上市公司信息_实战项目 1：5 行代码爬取国内所有上市公司信息
实战项目 1:5 行代码爬取国内所有上市公司信息 Python入门爬虫与数据分析在正式开始这门专栏课的学习之前,我们先来看一个简单的爬虫案例.兴趣是最好的老师,当你对爬虫产生兴趣的时候,才会更有动力 ...
python入门新手项目-Python入门实战项目有哪些适合新手？
Python入门实战项目有哪些适合新手?目前市面上有很多适合新手的Python入门练手项目,Python入门需要理论与实践相结合,前面夯实基础知识,后面通过实战项目帮助你更好的运用这些Python知识 ...

Python数据分析实战项目-共享单车骑行数据分析