Python项目实战——纽约出租车运行情况分析建模

一、项目概述

根据出租车的运营数据，针对客户旅途时间展开分析与建模，对客流趋势及区域分布进行分析，对出租车历史数据进行分析，为客户预测预计到达时间等

过程设计：

提出问题
理解数据
数据清理
数据分析
得出结论

重要字段说明 ：

编号： id
出租车类型： vendor_id
上车时间： pickup_datetime、
下车时间： dropoff_datetime、
乘客数量： passenger_count 、
上车地点 ： pickup_longitude(经度）、pickup_latitude（纬度）、
下车地点： dropoff_longitude （经度）、 dropoff_latitude（纬度）、
旅途持续时间（秒）： trip_duration。

首先导入需要的模块

#导入包
import os
import pandas as pd
import numpy as np
from matplotlib.pyplot import *
from matplotlib import animation 
from matplotlib import cm
from sklearn.cluster import KMeans
from sklearn.neighbors import KNeighborsClassifier
from dateutil import parser
import io
import base64

导入数据，查看前五行：

df=pd.read_csv(r'C:\Users\www12\Desktop\python\pythonDA\NewYork\train.csv')
df.head()
​print(df.shape[0])
1458644

二、聚类区域划分

查看纽约市地图，划分出分析区域的经纬度，再根据数据分布情况，选择对经度[-74.03,-73.77]，纬度[40.63,40.85]之间数据较为集中的区域进行分析，筛选掉区域之外的地点。

xlim=[-74.03,-73.77]
ylim=[40.63,40.85]
df=df[(df['pickup_longitude']>=xlim[0]) & (df['pickup_longitude']<=xlim[1])]
df=df[(df['dropoff_longitude']>=xlim[0]) & (df['