溫馨提示×

溫馨提示×

您好，登錄后才能下訂單哦！

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

發(fā)布時間：2022-01-12 17:00:48 來源：億速云 閱讀：211 作者：iii 欄目：大數(shù)據(jù)

這篇文章主要介紹“Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析”，在日常操作中，相信很多人在Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

數(shù)據(jù)來源

本節(jié)以自行車的租賃數(shù)據(jù)為例，數(shù)據(jù)來源于網(wǎng)絡(luò)，利用時間序列分析的方法，通過可視化技術(shù)，分析自行車租賃隨時間及天氣變化的分布情況，其中datetime、season、holiday、workingday、weather、temp、atemp 、humidity、windspeed、casual 、registered、count字段分別代表租賃時間、季節(jié)、是否為假期、是否為工作日、天氣數(shù)字越大，天氣越差、temp atemp氣溫、濕度、風速、普通用戶、注冊用戶、租賃自行車數(shù)量。
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inline
bike = pd.read_csv(open(r'D:\python數(shù)據(jù)分析\數(shù)據(jù)\bike.csv'))bike.head()

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析


問題探索

  


研究時間段與自行車租賃的關(guān)系情況。


數(shù)據(jù)清洗

  


bike.isnull().sum()

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

查看缺失值，無缺失值。
bike.dtypes

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

查看數(shù)據(jù)類型，datetime字段不是時間數(shù)據(jù)類型。
bike['datetime'] = pd.to_datetime(bike['datetime'])bike.dtypes

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

將to_datetime函數(shù)轉(zhuǎn)換為datetime類數(shù)據(jù)。
bike = bike.set_index('datetime') #將datetime字段設(shè)置為DataFrame的索引，成為時間序列數(shù)據(jù)bike.head()

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

bike.index #索引

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

bike.tail()

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析


數(shù)據(jù)探索

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析  


y_bike = bike.groupby(lambda x: x.year).mean() # 降采樣年份數(shù)據(jù)y_bike['count']

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

y_bike['count'].plot(kind='bar') # 繪制柱狀圖

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

2012年的租賃數(shù)據(jù)多于2011年數(shù)據(jù)。
m_bike = bike.resample('M', kind='period').mean() # 重采樣到月份，類型為時期類型
m_bike.head()

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

fig, axes = plt.subplots(2, 1)    #兩行一列m_bike['2011']['count'].plot(ax=axes[0],sharex=True)  #貢獻X軸m_bike['2012']['count'].plot(ax=axes[1])

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

2011年和2012年的趨勢大致相同，前幾個月逐漸增加，到5、6月份到達峰值，再到9月份后逐漸減少。
bike['day'] = bike.index.daybike['hour'] = bike.index.hour # 單獨存儲日和時的數(shù)據(jù)
bike.head()

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

d_bike = bike.groupby('day')['count'].mean() #對day字段分組統(tǒng)計
d_bike

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

d_bike.plot() # 自行車每日租賃數(shù)分布

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

h_bike = bike.groupby('hour')['count'].mean() #對hour字段分組統(tǒng)計
h_bike

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

h_bike.plot() # 自行車每小時租賃數(shù)分布

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

圖中有明顯的兩個峰值，都是上下班時間段，并且晚上的峰值更高。
work_bike = bike.groupby('workingday')['count'].mean()
work_bike  #對workingday字段分組統(tǒng)計

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

work_bike.plot(kind='bar')

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

天氣越差，自行車租賃數(shù)越少。
weather_bike = bike.groupby('weather')['count'].mean()
weather_bike #對weather字段分組統(tǒng)計

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

weather_bike.plot(kind='bar')

Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析

天氣越差，自行車租賃數(shù)越少，但在極端天氣情況下卻略有上升。  

到此，關(guān)于“Python怎么實現(xiàn)自行車租賃數(shù)據(jù)分析”的學習就結(jié)束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續(xù)學習更多相關(guān)知識，請繼續(xù)關(guān)注億速云網(wǎng)站，小編會繼續(xù)努力為大家?guī)砀鄬嵱玫奈恼拢?/p>

向AI問一下細節(jié)

免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI
助
手