共享单车项目数据可视化+需求策略分析

一、项目背景

自行车共享系统是一种租赁自行车的方式，其中获得会员资格、租赁和归还自行车的过程是通过遍布城市的站点网络自动完成的。使用这些系统，人们可以从一个地方租用自行车，并根据需要将其归还到另一个地方。
共享单车是近年来流行起来的新兴产业，发展具有重要价值。本项目通过对租车数据进行统计以及可视化分析，对单车运营维护团队提出改善性意见。（数据来自Kaggle）

二、数据处理

2.1 数据字段

• datetime - hourly date + timestamp
• season - 1 = 春， 2 = 夏， 3 = 秋， 4 = 冬
• holiday - 是否是节假日（0否 1是）
• workingday - 是否是工作日（0否 1是）
• weather - 1 = 晴天， 2 = 雾天， 3 = 雪天， 4 = 雨天
• temp - 实际温度
• atemp - 体感温度
• humidity - 湿度
• windspeed - 风速
• casual - 未注册用户
• registered - 注册用户
• count - 租借数量

2.2 查看数据

导入库

import datetime
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from pyecharts.charts import *
import pyecharts.options as opts
from pyecharts.faker import Faker
from pyecharts.commons.utils import JsCode

导入数据

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

2.2.1 查看数据信息 

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10886 entries, 0 to 10885
Data columns (total 12 columns):
 #   Column      Non-Null Count  Dtype  
---  ------      --------------  -----  
 0   datetime    10886 non-null  object 
 1   season      10886 non-null  int64  
 2   holiday     10886 non-null  int64  
 3   workingday  10886 non-null  int64  
 4   weather     10886 non-null  int64  
 5   temp        10886 non-null  float64
 6   atemp       10886 non-null  float64
 7   humidity    10886 non-null  int64  
 8   windspeed   10886 non-null  float64
 9   casual      10886 non-null  int64  
 10  registered  10886 non-null  int64  
 11  count       10886 non-null  int64  
dtypes: float64(3), int64(8), object(1)
memory usage: 1020.7+ KB

df.dtypes

datetime       object
season          int64
holiday         int64
workingday      int64
weather         int64
temp          float64
atemp         float64
humidity        int64
windspeed     float64
casual          int64
registered      int64
count           int64
dtype: object

df.head()

	datetime	season	holiday	workingday	weather	temp	atemp	humidity	windspeed	casual	registered	count
0	2011-01-01 00:00:00	1	0	0	1	9.84	14.395	81	0.0	3	13	16
1	2011-01-01 01:00:00	1	0	0	1	9.02	13.635	80	0.0	8	32	40
2	2011-01-01 02:00:00	1	0	0	1	9.02	13.635	80	0.0	5	27	32
3	2011-01-01 03:00:00	1	0	0	1</