项目数据来源于kaggle项目 Bike Share Demand，使用Python对数据进行了可视化分析：
共享单车项目分析_页面_01.jpg
共享单车项目分析_页面_02.jpg
共享单车项目分析_页面_03.jpg
共享单车项目分析_页面_04.jpg
共享单车项目分析_页面_05.jpg
共享单车项目分析_页面_06.jpg
共享单车项目分析_页面_07.jpg
共享单车项目分析_页面_08.jpg
共享单车项目分析_页面_09.jpg
共享单车项目分析_页面_10.jpg
分析过程代码如下：
1. 提出问题
影响共享单车租用数量的因素有哪些？影响程度如何？
2. 理解数据
import numpy as np
import pandas as pd
bike_train = pd.read_csv(".../train.csv")
bike_train.head()
| datetime | season | holiday | workingday | weather | temp | atemp | humidity | windspeed | casual | registered | count | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2011/1/1 0:00 | 1 | 0 | 0 | 1 | 9.84 | 14.395 | 81 | 0 | 3 | 13 | 16 |
| 1 | 2011/1/1 1:00 | 1 | 0 | 0 | 1 | 9.02 | 13.635 | 80 | 0 | 8 | 32 | 40 |
| 2 | 2011/1/1 2:00 | 1 | 0 | 0 | 1 | 9.02 | 13.635 | 80 | 0 | 5 | 27 | 32 |
| 3 | 2011/1/1 3:00 | 1 | 0 | 0 | 1 | 9.84 | 14.395 | 75 | 0 | 3 | 10 | 13 |
| 4 | 2011/1/1 4:00 | 1 | 0 | 0 | 1 | 9.84 | 14.395 | 75 | 0 | 0 | 1 | 1 |
bike_train.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 10886 entries, 0 to 10885
Data columns (total 12 columns):
datetime 10886 non-null object
season 10886 non-null int64
holiday 10886 non-null int64
workingday 10886 non-null int64
weather 10886 non-null int64
temp 10886 non-null float64
atemp 10886 non-null float64
humidity 10886 non-null int64
windspeed 10886 non-null float64
casual 10886 non-null int64
registered 10886 non-null int64
count 10886 non-null int64
dtypes: float64(3), int64(8), object(1)
memory usage: 1020.6+ KB
变量说明：
- datatime 日期+时间
- season 1=春 2=夏 3=秋 4=冬
- holiday 1=节假日 0=非节假日
- 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
3.数据清洗
1)数据预处理：数据完整无缺失值
2)特征工程：从datetime中提取年、月、日、时、星期等时间信息
import calendar
bike_train['date']=bike_train.datetime.apply(lambda x :x.split()[0])
bike_train['year']=bike_train.date.apply(lambda x:x.split("-")[0])
bike_train['month']=bike_train.date.apply(lambda x:x.split("-")[1])
bike_train['day']=bike_train.date.apply(lambda x:x.split("-")[2])
bike_train['hour']=bike_train.datetime.apply(lambda x: x.split()[1].split(":")[0])
bike_train['weekday'] = bike_train.datetime.apply(lambda x: calendar.day_name[pd.to_datetime(x).weekday()])
#把季节和天气转换成文字
bike_train['season']=bike_train.season.map({1: "Spring", 2 : "Summer", 3 : "Fall", 4 :"Winter" })
bike_train[:50:20]
| datetime | season | holiday | workingday | weather | temp | atemp | humidity | windspeed | casual | registered | count | date | year | month | day | hour | weekday | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 0 | 2011-01-01 00:00:00 | Spring | 0 | 0 | 1 | 9.84 | 14.395 | 81 | 0 | 3 | 13 | 16 | 40544 | 2011 | 1 | 1 | 0 | Saturday |
| 20 | 2011-01-01 20:00:00 | Spring | 0 | 0 | 2 | 16.4 | 20.455 | 87 | 16.9979 | 11 | 25 | 36 | 40544 | 2011 | 1 | 1 | 20 | Saturday |
| 40 | 2011-01-02 17:00:00 | Spring | 0 | 0 | 1 | 13.94 | 16.665 | 57 | 12.998 | 7 | 58 | 65 | 40545 | 2011 | 1 | 2 | 17 | Sunday |
4. 可视化分析
1）单车使用量在天气维度上的分析（天气、温度、湿度和风速相关性）
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
#租车辆与天气的关系
fig = plt.subplots(figsize=(5,5))
sns.boxplot(data=bike_train, y='count', x='weather')
<matplotlib.axes._subplots.AxesSubplot at 0x1146cf2b0>
output_10_1.png
可以看到，整体租车量受天气影响较为明显，极端的天气租车数量减少。
4级天气看起来有些异常，于是统计数据条目：
#统计各天气数据数量
weather_count = pd.DataFrame(bike_train.assign(weather_count=0).groupby('weather').weather_count.apply(len).reset_index())
weather_count['weather']=weather_count.weather.map({1:"晴天、多云",2:"雾天、阴天",3:"小学、小雪",4:"大风、大雪、大雨"})
weather_count
| weather | weather_count | |
|---|---|---|
| 0 | 晴天、多云 | 7192 |
| 1 | 雾天、阴天 | 2834 |
| 2 | 小学、小雪 | 859 |
| 3 | 大风、大雪、大雨 | 1 |
可以看到，4级天气只有1条数据记录，这种极端天气情况出现的数据极少。
#使用量与温度、湿度、风速的关系
#绘制heatmap
corrMatt = bike_train[["temp","atemp","humidity","windspeed","count"]].corr()
mask = np.array(corrMatt)
mask[np.tril_indices_from(mask)] = False
fig = plt.figure(figsize=(10, 10))
sns.heatmap(corrMatt, mask=mask,square=True,annot=True)
output_16_1.png
温度和使用量有正相关关系，湿度与使用量有负相关关系，风速和使用量几乎不相关。
#绘制线性图像
fig,(ax1,ax2,ax3) = plt.subplots(1,3, figsize=(12,5))
sns.regplot(x="temp", y="count", data=bike_train,ax=ax1)
sns.regplot(x="windspeed", y="count", data=bike_train,ax=ax2)
sns.regplot(x="humidity", y="count", data=bike_train,ax=ax3)
output_18_1.png
由图像可看出，使用量与温度、湿度和风速的关系，相关性有限。
2）单车使用量在时间维度上的分析（月份、季节、时间、星期等相关性）
#租车总量和工作日、节假日的关系
fig,(ax1,ax2) = plt.subplots(1,2, figsize=(10,5))
sns.boxplot(data=bike_train, y='count', x='workingday',ax=ax1)
sns.boxplot(data=bike_train, y='count', x='holiday',ax=ax2)
ax1.set(xticklabels=['Not holiday','Holiday'])
ax2.set(xticklabels=['Weekend','Workday'])
output_21_1.png
总量来看，节假日和周末/工作日的租车数量基本相同。
fig,axes = plt.subplots(3,1, figsize=(12,20))
#租车辆按月份、年份统计
month_Aggregated = pd.DataFrame(bike_train.groupby(['year','month'])['count'].mean()).reset_index()
sns.barplot(data=month_Aggregated,x="month",y="count",hue='year',ax=axes[0])
axes[0].set(xlabel='Month', ylabel='Avearage Count',title="Average Count By Month")
#每日租车辆按季节统计
hour_Aggregated1 = pd.DataFrame(bike_train.groupby(['hour','season'])['count'].mean()).reset_index()
sns.pointplot(data=hour_Aggregated1,x='hour',y='count',hue='season',hue_order=['Spring','Summer','Fall','Winter'],join=True, ax=axes[1])
axes[1].set(xlabel='Hour', ylabel='Avearage Count',title="Average Count By Hour Across Season")
#日租车辆按周统计
hour_Aggregated2 = pd.DataFrame(bike_train.groupby(['hour','weekday'])['count'].mean()).reset_index()
sns.pointplot(data=hour_Aggregated2,x='hour',y='count',hue='weekday',join=True,ax=axes[2])
axes[2].set(xlabel='Hour', ylabel='Avearage Count',title="Average Count By Hour Across weekday")
output_23_1.png
图1可以看出2012年共享单车的使用量高于2011年，消费人群增加了1.5~2倍。两年内租车量随月份变化的趋势相同，6、7、8月有明显的高需求。
图2可以看出租车时间高峰为上午7-8点，下午5-6点，符合上下班通勤的时间范围。季节上看，春天的租车辆明显少于其它三个季节。
图3可以看出工作日租车辆主要为上下班时间，周末租车辆主要集中在10am-4pm之间。
3）单车使用量与注册用户/非注册用户的相关性
fig,axes=plt.subplots(2,1,figsize=(12,10))
hour_Transform=pd.melt(bike_train[['hour','casual','registered','weekday']],id_vars=['hour','weekday'],value_vars=['casual','registered'])
hour_Aggregated3=pd.DataFrame(hour_Transform.groupby(['hour','variable'])['value'].mean()).reset_index()
sns.pointplot(data=hour_Aggregated3,x='hour',y='value',hue='variable',hue_order=['casual','registered'],join=True,ax=axes[0])
weekday_Aggregated=pd.DataFrame(hour_Transform.groupby(['weekday','variable'])['value'].mean()).reset_index()
sns.barplot(data=weekday_Aggregated,x='weekday',y='value',hue='variable',order=['Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday'],ax=axes[1])
output_26_1.png
注册人数使用量明显高于非注册人数，
非会员casual主要是周末出行，为了游玩; 会员registered主要是为了周一到周五上班。
5. 总结
- 时间：需求量最大的时间为夏、秋季工作日上、下班时间，其次为周末10am-4pm。需求量最小的时间为每年1-3月，时间集中在半夜/凌晨。
- 天气：除极端情况外（大风、高温、低温、强降水等），天气对租车量的影响不明显。
- 用户类型：注册用户和普通用户行为特征明显，前者主要为工作日通勤使用，后者为节假日出游。
