共享单车项目的Python可视化分析，教你成为数据分析大师！

Python对数据的处理能力，很多人是抱着一定的怀疑的，不过在看完这篇文章之后，我相信你一定不会再怀疑的。

一、背景：

共享单车想必大家一定不会陌生，共享单车在国内的兴起，应该是2014年ofo的创立。截止到2017年3月，中国共享单车数量已经达到400万辆，成为大城市居民出行的重要交通工具。 在kaggle网站上的共享单车项目，它提供了美国某城市的共享单车2011年到2012年的数据集。该数据集包括了租车日期，租车季节，租车天气，租车气温，租车空气湿度等数据。我们可以通过利用这些数据来进行分析，得出有用的结论。

二、本次的目标

我们通过对数据进行清洗，计算描述性统计数据，以此来实现可视化数据分析。

三、数据收集与分析：

1、数据来源Kaggle项目地址（由于平台不予许设外链接，所以只能发链接了，请见谅）：

http://link.zhihu.com/?target=https%3A//www.kaggle.com/c/bike-sharing-demand

2、导入数据

#导入numpy、pandas、matplotlib.pyplot、seaborn包

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

import seaborn as sns

#matplotlib.pyplot图表风格设定

plt.style.use('ggplot')

#命令行显示图表

%matplotlib inline

#忽略提示警告

import warnings

warnings.filterwarnings('ignore')

本项目利用数据可视化进行分析，只用到train数据源。

#导入数据

train=pd.read_csv('train.csv')

3、数据信息查看

#显示前5行

train.head(5)

train数据源字段：

datetime：时间 - 年月日小时

season：季节 - 1 = spring春天, 2 = summer夏天, 3 = fall秋天, 4 = winter冬天

holiday：节假日 - 0 = 否，1 = 是

workingday：工作日 - 该天既不是周末也不是假日（0 = 否，1 = 是）

weather：天气 - 1 = 晴天，2 = 阴天 ，3 = 小雨或小雪 ，4 = 恶劣天气（大雨、冰雹、暴风雨或者大雪）

temp：实际温度

atemp：体感温度

humidity：湿度

windspeed：风速

casual：未注册用户租借数量

registered：注册用户租借数量

count：总租借数量

#描述统计

train.describe()

四、数据清洗

#字段信息描述

train.info()

RangeIndex: 10886 entries, 0 to 10885

Data columns (total 12 columns):

datetime 10886 non-null object

season 10886 non-null int64

holiday 10886 non-null int64

workingday 10886 non-null int64

weather 10886 non-null int64

temp 10886 non-null float64

atemp 10886 non-null float64

humidity 10886 non-null int64

windspeed 10886 non-null float64

casual 10886 non-null int64

registered 10886 non-null int64

count 10886 non-null int64

dtypes: float64(3), int64(8), object(1)

memory usage: 1020.6+ KB

train数据集无缺失数据，由于其中日期时间字段datetime精确到小时，为了进一步分析需要提取此字段信息，新增月、时、星期字段。

#datetime改为日期格式

train.datetime=pd.to_datetime(train.datetime,format='%Y-%m-%d %H:%M:%S')

#提取年月日字段，格式YYYYmmdd

train['datetime_D']=train.datetime.dt.strftime('%Y-%m-%d')

train['datetime_D']=pd.to_datetime(train.datetime_D,format='%Y-%m-%d')

#提取月份字段

train['datetime_M']=train.datetime.dt.strftime('%Y%m')

#提取小时字段

train['datetime_H']=train.datetime.dt.strftime('%H')

train['datetime_H']=train.datetime_H.astype('int')

#提取星期字段

train['datetime_W']=train.datetime.dt.strftime('%a')

#将周一至周日改为1-7数字

weekDict={'Mon':1,'Tue':2,'Wed':3,'Thu':4,'Fri':5,'Sat':6,'Sun':7}

train.datetime_W=train.datetime_W.map(weekDict)

train.info()

RangeIndex: 10886 entries, 0 to 10885

Data columns (total 16 columns):

datetime 10886 non-null datetime64[ns]

season 10886 non-null int64

holiday 10886 non-null int64

workingday 10886 non-null int64

weather 10886 non-null int64

temp 10886 non-null float64

atemp 10886 non-null float64

humidity 10886 non-null int64

windspeed 10886 non-null float64

casual 10886 non-null int64

registered 10886 non-null int64

count 10886 non-null int64

datetime_D 10886 non-null datetime64[ns]

datetime_M 10886 non-null object

datetime_H 10886 non-null int32

datetime_W 10886 non-null int64

dtypes: datetime64[ns](2), float64(3), int32(1), int64(9), object(1)

memory usage: 1.3+ MB

#更新字段后查看train

train.head(3)

五、可视化分析数据

1、相关系数热力图

#热力图显示train数据集相关系数

plt.figure(figsize=(11,11))

sns.heatmap(train.corr(),linewidths=.1,annot=True)

plt.title('共享单车相关系数')

#X轴标准旋转45度

plt.xticks(rotation=45,fontsize=15)

plt.yticks(fontsize=15)

(array([ 0.5, 1.5, 2.5, 3.5, 4.5, 5.5, 6.5, 7.5, 8.5,

9.5, 10.5, 11.5, 12.5]), )

由热力图可得知：

温度temp、体感问题atemp、小时datetime_H与租借数量count有较强正相关，其中温度/体感温度越高，骑车用户越多。

湿度humidity与租借数量count有较强负相关，湿度越大，骑车用户越少。

季节season、节假日holiday、工作日workingday、天气weather等字段由于是分类字段，这里相关系数较小。

下面将从日期时间、天气情况、工作/节假日、用户4个角度进行可视化分析数据。

2、日期时间分析

#2011-2012年共享单车月租借数量走势

fig=plt.figure(figsize=(14,4))

ax1=fig.add_subplot(1,1,1)

dataDf=pd.DataFrame(train.groupby(by='datetime_M').mean()['count']).reset_index()

sns.pointplot(x='datetime_M',y='count',data=dataDf,ax=ax1)

plt.title('2011-2012年共享单车月租借数量')

plt.xlabel('日期')

plt.xticks(rotation=45)

plt.ylabel('租借数量（辆/时）')

plt.grid(True)

2011年至2012年共享单车租借数量呈曲线上升趋势，越来越多的人愿意使用共享单车，由于受温度、天气等因素影响，年中5到10月的使用者明显多于其他月份。

#各时间段租借数量

fig=plt.figure(figsize=(20,4))

ax1=fig.add_subplot(1,2,1)

dataDf=pd.DataFrame(train.groupby(by='datetime_H').mean()['count']).reset_index()

sns.pointplot(x='datetime_H',y='count',data=dataDf,ax=ax1)

plt.title('各时间段租借数量')

plt.xlabel('时间')

plt.ylabel('租借数量（辆/时）')

plt.grid(True)

#按星期租借数量

ax2=fig.add_subplot(1,2,2)

dataDf=pd.DataFrame(train.groupby(by='datetime_W').mean()['count']).reset_index()

sns.pointplot(x='datetime_W',y='count',data=dataDf,ax=ax2)

plt.title('按星期租借数量')

plt.xlabel('星期')

plt.ylabel('租借数量（辆/时）')

plt.grid(True)

每天8点、17到18点早晚上下班高峰共享单车的租借数量明显多于其他时间段，凌晨4点时租车辆达到最低。

周六总租借数量最高，周日总租借数量最低。

3天气角度分析

#分析季节season、温度temp、体感温度atemp、租车辆count之间的关系

sns.pairplot(train[['season','temp','atemp','count']],plot_kws={'alpha': 0.5},hue='season')

春、冬、夏、秋4季温度依次升高，温度temp与体感温度atemp呈强正线性关系，可以理解字段temp近似于atemp。

#不同季节租借数量对比

fig=plt.figure(figsize=(14,4))

ax1=fig.add_subplot(1,2,1)

sns.violinplot(x='season',y='count',data=train,ax=ax1)

plt.title('不同季节租借数量')

plt.xlabel('季节')

plt.ylabel('租借数量（辆/时）')

#不同季节平均租借数量对比

ax2=fig.add_subplot(1,2,2)

sns.barplot(x='season',y='count',data=pd.DataFrame(train.groupby('season').mean()['count']).reset_index(),ax=ax2)

plt.title('不同季节平均租借数量')

plt.xlabel('季节')

plt.ylabel('租借数量（辆/时）')

结合上一张图表共同分析可知随着季节性温度的提高，租借数量也会随之增加，其中秋季温度最高共享单车使用者最多，而春季温度最低共享单车使用者最少。

#不同天气租借数量对比

plt.figure(figsize=(14,4))

plt.subplot(1,2,1)

sns.boxplot(x='weather',y='count',data=train)

plt.title('不同天气租借数量')

plt.xlabel('天气')

plt.ylabel('租借数量（辆/时）')

#不同天气平均租借数量对比

plt.subplot(1,2,2)

sns.barplot(x='weather',y='count',data=pd.DataFrame(train.groupby('weather').mean()['count']).reset_index())

plt.title('不同天气平均租借数量')

plt.xlabel('天气')

plt.ylabel('租借数量（辆/时）')

共享单车租借数量受天气因素影响较大，天气越恶劣租借的数量越少，大雪大雨天气下的租借数量接近为零。

#temp可替代atemp，分析温度temp、湿度humidity、风速windspeed、租借数量count间的关系

sns.pairplot(train[['temp','humidity','windspeed','count']],plot_kws={'alpha': 0.3})

温度高于33度左右、低于15度左右租借数量明显减少。

湿度大于70左右租借数量明显减少。

风速大于20左右租借数量明显减少。

温度高于27度左右风速及湿度均明显减少。

train[['casual','registered']].sum().plot.pie(figsize=(5,5),autopct='%1.1f%%')

租借共享单车的用户中注册用户占用户总数81.2%。

fig=plt.figure(figsize=(14,4))

ax1=fig.add_subplot(1,1,1)

data1=pd.DataFrame(train.groupby('datetime_M').mean()[['casual','registered']]).reset_index()

data2=pd.melt(data1,id_vars='datetime_M',value_vars=['casual','registered'])

sns.pointplot(x='datetime_M',y='value',hue='variable',data=data2,ax=ax1)

plt.title('2011-2012年非注册用户和注册用户租借数量')

plt.xlabel('日期')

plt.ylabel('租借数量（辆/时）')

plt.xticks(rotation=45)

plt.grid(True)

2011-2012年非注册用户和注册用户的租借数量均呈曲线上升趋势，但注册用户的租借数量上升幅度远大于非注册用户的。

fig=plt.figure(figsize=(16,4))

ax1=fig.add_subplot(1,2,1)

data1=pd.DataFrame(train.groupby('datetime_H').mean()[['casual','registered']])

data1.plot(ax=ax1)

plt.xticks(data1.reset_index().datetime_H)

plt.title('非注册用户和注册用户各时间点租借数量')

plt.xlabel('时间')

plt.ylabel('租借数量（辆/时）')

ax2=fig.add_subplot(1,2,2)

data1=pd.DataFrame(train.groupby('datetime_W').mean()[['casual','registered']])

data1.plot.bar(ax=ax2)

plt.title('非注册用户和注册用户星期租借数量')

plt.xticks(rotation=0)

plt.xlabel('星期')

plt.ylabel('租借数量（辆/时）')

注册用户在每天8点、17到18点早晚上下班高峰租借数量明显高于其他时间段，而非注册用户无明显租借数量高峰。

注册用户在周一至周五租借数量高于周末，而非注册用户情况相反。

可分析得出注册用户大部分为上班族及学校师生，非注册用户为非上班族或自由职业等。

fig=plt.figure(figsize=(12,10))

ax1=fig.add_subplot(2,2,1)

sns.barplot(x='holiday',y='casual',data=train,hue='holiday',ax=ax1)

plt.title('非注册用户节假日时和非节假日租借数量')

plt.xticks(rotation=0)

plt.xlabel('时间')

plt.ylabel('租借数量（辆/时）')

ax2=fig.add_subplot(2,2,2)

sns.barplot(x='holiday',y='registered',data=train,hue='holiday',ax=ax2)

plt.title('注册用户节假日时和非节假日租借数量')

plt.xticks(rotation=0)

#plt.legend(loc='center')

plt.xlabel('时间')

plt.ylabel('租借数量（辆/时）')

ax3=fig.add_subplot(2,2,3)

sns.barplot(x='workingday',y='casual',data=train,hue='workingday',ax=ax3)

plt.title('非注册用户工作日和非工作日租借数量')

plt.xticks(rotation=0)

plt.xlabel('时间')

plt.ylabel('租借数量（辆/时）')

ax4=fig.add_subplot(2,2,4)

sns.barplot(x='workingday',y='registered',data=train,hue='workingday',ax=ax4)

plt.title('注册用户工作日和非工作日租借数量')

plt.xticks(rotation=0)

#plt.legend(loc='center')

plt.xlabel('时间')

plt.ylabel('租借数量（辆/时）')

非注册用户在节假日租借数量高于非节假日，非工作日租借数量高于工作日。

注册用户相反，在节假日租借数量低于非节假日，非工作日租借数量低于工作日。

通过以上的分析与得出的结论，大家对Python处理数据的能力是不是有所肯定呢？本文到此就要告一段落了，喜欢的小伙伴可以转发并点波关注！

写在最后：

又是新的一年，在这里小编没什么其他的东西送给大家的东西，好在手里还有一波Python的学习资料，有需要的朋友，可以加群571799375，我将免费送给大家！

本文来自网络，如有侵权，请联系小编删除！