Python | 计算一天内每小时 / 30分钟出租车订单的数量，并绘制订单时变情况的折线图

CHANQQQQ

已于 2022-08-01 17:23:24 修改

阅读量2.2k

点赞数 3

分类专栏： Python 文章标签： python matplotlib 开发语言

于 2022-08-01 17:20:44 首次发布

本文链接：https://blog.csdn.net/CHANQQQQ/article/details/126094667

版权

Python 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

文章目录

一、案例目的

在python中计算一天内每小时 / 30分钟出租车订单的数量，并绘制订单时变情况的折线图。

二、练习数据

深圳市出租车GPS数据：TaxiData-Sample.csv
核心字段：车辆ID（Num），时间（Time），经度（Lon），纬度(Lat)，载客状态（OpenStatus）。说明：当OpenStatus值为1的时候，为载客状态，反之OpenStatus值为0时为空载（如图所示）。
在这里插入图片描述

三、解题思路

对出租车GPS数据进行数据清洗及预处理
利用TransBigData提取出租车OD
对OD数据的接单时间按小时/分钟进行分组
统计每个时段的订单数量
利用matplotlib绘制折线图

四、代码实现

1.数据清洗及预处理

为什么要进行数据清洗？
因为出租车GPS数据的OpenStatus字段中可能会出现异常情况：

在连续0的序列中，突然出现一个1
在连续1的序列中，突然出现一个0

这种两种情况的产生都极有可能是采集设备的突发异常造成的，这些记录的存在会影响出行订单判断。因此在数据清洗中，应将这两种情况都予以剔除。

本次练习主要利用TransBigData包中的 tbd.clean_taxi_status（）对出租车GPS数据进行清洗（参考：TransBigData出租车GPS数据处理）。

#导入所需模块
import pandas as pd
import geopandas as gpd
import transbigdata as tbd
import datetime
import numpy as np

#输入数据
data = pd.read_csv('data/TaxiData-Sample.csv',header= None)
#由于原始数据没有列名，因此这里需要重新命名
data.columns = ['Num','Time','Lon','Lat','Openstatus','Speed']
#删除多余列Speed
data = data.drop(columns='Speed')
#数据排序：根据车辆Num和Time
data = data.sort_values(by=['Num','Time'])
#利用TransbigData进行数据清洗
data = tbd.clean_taxi_status(data,col=['Num','Time','Openstatus'])
data

在这里插入图片描述

2.利用TransBigData提取出租车OD

为什么要用TransBigData提取出租车OD？
因为TransBigData包中的 transbigdata.taxigps_to_od（）方法能根据清洗后的出租车GPS数据快速识别出租车OD，且返回字段包含出租车OD的接单时间（stime）,接单经纬度（slon，slat），结束时间（etime），结束经纬度（elon,elat）等关键字段。因此，可根据接单时间统计每小时出租车订单数量。

#提取出租车OD
data = tbd.taxigps_to_od(data,col=['Num','Time','Lon','Lat','Openstatus'])
data

出租车OD数据

3.对OD数据的接单时间按小时/分钟进行分组

方法参考：pandas.Series.dt
（1）按照小时进行分组
将时间转为时间戳，按照小时（hour）分组

#将时间转换为时间戳
data['stime'] = data['stime'].astype('datetime64')
#对OD数据的接单时间按小时进行分组
data['hour'] = data['stime'].dt.hour
data

在这里插入图片描述

（2）按照30分钟进行分组
将时间转为时间戳，按照分钟（minute）分组：按照30分钟分组的代码要复杂一些，需要判断minute是否小于30，且记得把布尔类型转换为整数型。具体代码如下：

#将时间转换为时间戳
data['stime'] = data['stime'].astype('datetime64')
data['minute'] = data['stime'].dt.minute
data['flag'] = data['minute']<30
#布尔类型转换为整数型.astype(int)
data['flag'] = data['flag'].astype(int)
data

在这里插入图片描述

4.统计每个时段的订单数量

（1）按小时分组统计

result = data.groupby(by=['hour']).size().to_frame('count').reset_index()
result['hour'] =  range(1,len(result)+1)
result

（2）按30min分组统计

tmp = data.groupby(['hour','flag'])['Num'].count().rename('count').reset_index()
tmp['hour'] =  range(1,len(tmp)+1)
tmp.head(10)

在这里插入图片描述

5.利用matplotlib绘制折线图

（1）一天内每小时出租车订单时变折线图

import matplotlib.pyplot as plt
import matplotlib

fig, ax = plt.subplots()
ax.plot(result['hour'], result['count'])
#使用代码帮助matplotlib识别中文字体
matplotlib.rc("font",family = 'FangSong')
#设置坐标轴间隔
plt.xticks(range(0,25,1))   
ax.set(xlabel='时间（h）', ylabel='数量（个）',
       title='一天内每小时出租车订单数量')
#ax.grid()
plt.show()
#输出折线图
fig.savefig("test_hour.png")

在这里插入图片描述
（2）一天内每30分钟出租车订单时变折线图

import matplotlib.pyplot as plt
import matplotlib

fig, ax = plt.subplots()
ax.plot(tmp['hour'], tmp['count'])
#使用代码帮助matplotlib识别中文字体
matplotlib.rc("font",family = 'FangSong')
#plt.xlim(0,50)
plt.xticks(range(0,50,2))   #设置坐标轴间隔

ax.set(xlabel='时间（0.5h）', ylabel='数量（个）',
       title='一天内每30min出租车订单时变折线图')
#ax.grid()
plt.show()
#输出折线图
fig.savefig("test_min.png")