python数据分析的例子_python数据分析实例：共享单车租用影响因素分析

本次案例用到的是kaggle网站（Bike Sharing Demand | Kaggle）提供了某城市的共享单车2011年到2012年的数据集。该数据集包括了租车日期，租车季节，租车天气，租车气温，租车空气湿度等数据。本次将使用python对这一数据集进行探索性分析，以了解共享单车的租用情况与哪些因素有关。

Data Fields（数据特征描述）：datatime - 日期+时间

season -

1=春天

2=夏天

3=秋天

4=冬天

holiday - 是否是节假日

workingday -

1=工作日

0=周末

weather -

1：晴天，多云

2：雾天，阴天

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

0，环境搭建

环境：win10+Anaconda +jupyter Notebook

包：

数据分析包：Numpy，pandas，

画图包：matplotlib，seaborn ，

缺失值可视化查询包：missingno

日期变量处理相关的包：calendar，datetime

1，准备工作

用jupyter notebook处理数据，需要先做一些准备，需先把一些必要的数据分析包导入操作台。#数据处理包导入

import numpy as np

import pandas as pd

#画图包导入

import matplotlib.pyplot as plt

import missingno as msno

import seaborn as sns

sns.set()

#日期处理包导入

import calendar

from datetime import datetime

#jupyter notebook绘图设置

%matplotlib inline

%config InlineBackend.figure_format="retina"

#读取数据

BikeData = pd.read_csv("bike.csv")

数据读取后，可以开始对数据进行简单的预览。

预览内容主要包括了解数据集的大小，字段的名称，数据格式等等，为后续的数据处理工作做准备。数据集大小BikeData.shape

#输出：

(10886, 12)查看数据表中具体的数据内容，不查看所有数据，只查看开始或结束的几行，熟悉一下数据具体内容即可。BikeData.head(5)

查看数据类型BikeData.dtypes

#输出：

datetime       objec