python共享单车数据分析_共享单车数据分析 -- python

简介

不知从什么时间起，“共享单车”这一概念在忽然间火遍了全国，ofo小黄车，摩拜单车……逐渐走入到我们的生活中。特别是在一线城市，共享单车成为广大白领们不可或缺的交通工具。

今天我们就kaggle上的共享单车数据集进行分析。

分析目标从时间维度分析1.一天中的哪个时间段是用车高峰?

2.一周7天中的用车情况。

3.不同月份的用车情况对比。

4.2011与2012年用车情况分析。

从用户维度分析1.会员与非会员的单车需求量对比。

2.会员与非会员的用车时间是否有差异。

3.会员与非会员在一周中的每一天用车量。

从季节维度分析用车频次是否随着季节的变化而改变?

1.加载包和读取数据

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

%matplotlib inline

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

plt.style.use('ggplot')

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

df.head(2)datatime : 日期时间

season (季节): 1-春天；2-夏天；3-秋天；4-冬天

holiday (是否为节假日)

workingday (工作日): 1为工作日 ；0为周末

weather(天气)： 1-晴天,多云；2-雾天,阴；3-小雪,小雨； 4-大雨,大雪,大雾

temp : 气温摄氏度

atemp : 体感温度

humidity : 湿度

windspeed : 风速

casual : 非注册用户个数

registered : 注册用户个数

count : 给定日期时间(每小时)总租车人数

# 查看数据类型，各个字段是否有缺失值

print(df.shape,'\n')

df.info()数据集一共有10886条数据，并无缺失值。

# 描述性统计

df.describe()

观察数据，从 count 字段看，平均每小时有191人用车，最多的时候每小时有977个用户用车，属于用车高峰期。

结合分位数和平均值看，平均值大于中位数，说