在上一篇文章中我们分析了Citi Bike的月度和季度的使用情况,但这是不够的,我们还需要分析更多,例如:用户。
我们很好奇993万次骑行这个庞大的数据后面是哪些人在使用Citi Bike。由于获得的数据中只有用户性别,出生日期和会员类别的数 据,因此我们仅从这三个维度对Citi Bike的用户进行简单的描述。
1.从性别进行分析
user_gender=cb1.groupby('gender')['bikeid'].agg(len)/cb1["bikeid"]. count()*100 #按用户性别进行汇总并计算不同性别的占比
plt.rc('font', family='STXihei', size=15) colors = ["#052B6C","#39A2E1","#EA1F29"]
name=[' 未 知 ', ' 男 性 ', ' 女 性 '] plt.pie(user_gender,labels=name,colors=colors,explode=(0, 0, 0),s tartangle=60,autopct='%1.1f%%')
plt.title('Citi Bike用户性别占比')
plt.legend(