Jupyter地铁数据分析预测地铁后7天小时客流量

地铁数据分析预测地铁后7天小时客流量

基于八月地铁刷卡数据，以前23天的数据作为训练数据，预测后7天各个地铁站点在6点—23点每个小时的客流量。

import pandas as pd
import time
import numpy as np
import matplotlib.pyplot as plt

使用二分法目的，找到每天的最后一刻 数据的索引

def find_day_index(A,a0,a2):
    tA=A
    while True:
        I1=int(len(tA)/2)-1
        I2=I1+1
#        获取I1和I2的日期
        t0=int(tA.iloc[I1,0][8:10])
        t2=int(tA.iloc[I2,0][8:10])
        if t2!=t0:
            r=(tA.iloc[I1,0],tA.index[I1])
            return r
            break
        if t2==t0 and t2==a0: 
            tA=tA.iloc[I2:,:]
        if t2==t0 and t2==a2:
            tA=tA.iloc[:I1+1,:]

reader = pd.read_csv('#数据.csv',usecols=[6],chunksize=100000)
start = time.perf_counter() #计算耗费时间
# 读取站台信息
A = pd.read_csv('acc_08_final.csv',usecols=[5],nrows=1000)
S = pd.Series(A.iloc[:,0].values)
Ad = S.unique()# 站台信息去重

R_day = [('', -1)]# 存储每天的截止时间下标
for A in reader:
    a0 = int(A.iloc[0,0][8:10])
    a2 = int(A.iloc[len(A)-1,0][8:10])
    if a0 !=a2:
        r = find_day_index(A,a0,a2)
        R_day.append(r)
        
end = time.perf_counter()
print("耗时: ",end-start)

#耗时：27.6368365