1.1 項目說明

自行車共享系統是一種租賃自行車的方法，注冊會員、租車、還車都將通過城市中的站點網絡自動完成，通過這個系統人們可以根據需要從一個地方租賃一輛自行車然后騎到自己的目的地歸還。為了更好地服務和維護共享單車平臺，開發和運營人員會通過系統記錄的數據來研究和優化共享單車平臺，挖掘數據有用信息，最后落地優化系統。這些系統生成的數據很有吸引力，騎行時間、出發地點、到達地點和經過的時間都被顯式地記錄下來。

在這次比賽中，參與者需要結合歷史天氣數據下的使用模式，來預測D.C.華盛頓首都自行車共享項目的自行車租賃需求。

1.2 變量說明

datetime（日期） - hourly date + timestamp

season（季節） - 1 = spring, 2 = summer, 3 = fall, 4 = winter

holiday（是否假日） - whether the day is considered a holiday

workingday（是否工作日） - whether the day is neither a weekend nor holiday

weather（天氣等級） -

1. 清澈，少云，多云。

2. 霧+陰天，霧+碎云、霧+少云、霧

3. 小雪、小雨+雷暴+散云，小雨+云

4. 暴雨+冰雹+雷暴+霧，雪+霧

temp（溫度） - temperature in Celsius

atemp（體感溫度） - "feels like" temperature in Celsius

humidity（相對濕度） - relative humidity

windspeed（風速） - wind speed

casual（臨時租賃數量） - number of non-registered user rentals initiated

registered（會員租賃數量） - number of registered user rentals initiated

count（總租賃數量） - number of total rentals

2.準備數據：

2.1檢查缺失值

%matplotlib inlineimport numpy as np import pandas as pd from datetime import datetime import matplotlib.pyplot as plt import seaborn as snstrain=pd.read_csv('train.csv')#查看訓練集數據是否有缺失值 train.info()

輸出

<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 #查看測試集數據是否有缺失值 test=pd.read_csv('test.csv') test.info()

輸出

<class 'pandas.core.frame.DataFrame'> RangeIndex: 6493 entries, 0 to 6492 Data columns (total 9 columns): datetime 6493 non-null object season 6493 non-null int64 holiday 6493 non-null int64 workingday 6493 non-null int64 weather 6493 non-null int64 temp 6493 non-null float64 atemp 6493 non-null float64 humidity 6493 non-null int64 windspeed 6493 non-null float64 dtypes: float64(3), int64(5), object(1) memory usage: 456.6+ KB

本數據集沒有缺失數據，但沒有缺失不代表沒有異常

2.2將訓練數據集與測試數據集合并（方便對數據進行統一預處理）

#進行中文轉換 import matplotlib as mpl mpl.rcParams['font.sans-serif'] = ['SimHei'] mpl.rcParams['font.serif'] = ['SimHei'] import seaborn as sns sns.set_style("darkgrid",{"font.sans-serif":['simhei', 'Arial']}) dataset=pd.concat([train,test],axis=0) dataset.isnull().sum()

輸出

atemp 0 casual 6493 count 6493 datetime 0 holiday 0 humidity 0 registered 6493 season 0 temp 0 weather 0 windspeed 0 workingday 0 dtype: int64

三個目標變量存在缺失值，且數量與測試數據集一致，因此能判斷數據較完整無缺失情況，缺失的只是需要預測的那一部分目標變量。將超過樣本均值3個標注差以外的數據看作異常值，本文對異常情況暫不處理。

將量化的特征轉換為方便識別和可視化的字段

# season特征 & weather特征 dataset['season']=dataset['season'].map({1:'spring',2:'summer',3:'fall',4:'winter'}) dataset['weather']=dataset['weather'].map({1:'Good',2:'Normal',3:'Bad',4:'Ver Bad'})

將被量化的季節特征和天氣特征轉化為用字符串描述的數據。

3 特征衍生

為了更好地理解數據，分析前我們需要判斷能否從數據已有的特征中提取、構建出某些有價值的特征，這就是衍生特征。

在本篇分析的數據中，我們能對時間數據datetime做特征衍生，datetime包含了日期和時間信息，從中我們能提取出年、月、日、小時等信息。

# 特征衍生 dataset['datetime']=pd.to_datetime(dataset['datetime']) # 將datetime字段轉換為datetimedataset['year']=dataset.datetime.apply(lambda d:d.year) # 對datetime調用year提取年 dataset['month']=dataset.datetime.apply(lambda d:d.month) # 對datetime調用month提取月 dataset['day']=dataset.datetime.apply(lambda d:d.day) # 對datetime調用day提取日 dataset['hour']=dataset.datetime.apply(lambda d:d.hour) # 對datetime調用hour提取小時# 刪除無用字段 dataset.drop('datetime',axis=1,inplace=True)

4 可視化分析

通過Matplotlib、Seaborn等工具可視化理解數據，分析特征與標簽之間的相關性。

4.1 標簽特征的整體分布

count（數量）為本次分析的標簽特征，我們需要圍繞此特征做可視化分析。下圖是count的核密度圖：可見count分布呈右偏狀，主要集中在0~400這個區間。

4.2 時間維度看需求趨勢

月份維度

數據涵括了兩年的跨度，因此按年分開繪制每個月的騎行需求趨勢圖

# 篩選提取出2011年和2012年的騎行好數據 Month_tendency_2011=dataset[dataset.year==2011].groupby('month')[['casual','registered','count']].sum() Month_tendency_2012=dataset[dataset.year==2012].groupby('month')[['casual','registered','count']].sum() # 繪制圖像 plt.style.use('ggplot') fig,[ax1,ax2]=plt.subplots(2,1,figsize=(12,15)) plt.subplots_adjust(hspace=0.3) Month_tendency_2011.plot(kind='line',linestyle='--',linewidth=2,colormap='Set1',ax=ax1) ax1.set_title('2011年需求趨勢',fontsize=15) ax1.grid(linestyle='--',alpha=0.8) ax1.set_ylim(0,150000) ax1.set_xlabel('月份',fontsize=13) ax1.set_ylabel('數量',fontsize=13) Month_tendency_2012.plot(kind='line',linestyle='--',linewidth=2,colormap='Set1',ax=ax2) ax2.set_title('2012年需求趨勢',fontsize=15) ax2.grid(linestyle='--',alpha=0.8) ax2.set_ylim(0,150000) ax2.set_xlabel('月份',fontsize=13) ax2.set_ylabel('數量',fontsize=13) sns.despine(left=True)

上圖為可視化結果，整體上可見2012年相較于2011年，騎行的需求有了大幅的增長。總需求和注冊用戶需求的變化最為明顯，而非注冊用戶提升效果一般，這說明：經過一年的運營，越來越多的使用者在平臺上注冊了，注冊用戶提升顯著。從月份角度，我們能看到的是：6月~9月是騎行旺季，12月~2月是騎行淡季。

小時維度

按照一天24小時可視化騎行需求，我們能發現一些有趣的結論：

# 提取出每小時的騎行需求均值 Hour_tendency=dataset.groupby('hour')[['casual','registered','count']].mean() # 繪制圖像 Hour_tendency.plot(kind='line',linestyle='--',linewidth=2,colormap='Set1',figsize=(12,6)) plt.title('小時需求趨勢',fontsize=15) plt.grid(linestyle='--',alpha=0.8) plt.ylim(0,550) plt.xlabel('小時',fontsize=13) plt.ylabel('數量',fontsize=13) sns.despine(left=True)

從24小時觀察騎行需求：存在6~7AM以及5~6PM兩個峰值，中午12AM有一個小峰值，符合通勤規律，注冊用戶特征更為明顯，而非注冊用戶則變化平緩。

工作日和非工作日的小時維度

plt.style.use('ggplot') plt.figure(figsize=(12,6)) sns.pointplot(x='hour',y='count',hue='workingday',data=dataset,ci=None,palette='Spectral') sns.despine(left=True) plt.xlabel('小時',fontsize=13) plt.ylabel('數量',fontsize=13) plt.grid(linestyle='--',alpha=0.5) plt.title('工作日/假期 需求趨勢',fontsize=15) # 標題設置

可見工作日與非工作日的騎行需求規律反差巨大，非工作日的共享單車蘇醒慢，騎行需求高峰出現在12AM~3PM的這段時間內，另外凌晨0AM~4AM的騎行需求大于工作日。

不同季節的小時維度

plt.figure(figsize=(12,6)) sns.pointplot(x='hour',y='count',hue='season',data=dataset,ci=None,palette='Spectral') sns.despine(left=True) plt.xlabel('小時',fontsize=13) plt.ylabel('數量',fontsize=13) plt.grid(linestyle='--',alpha=0.5) plt.title('季節需求趨勢',fontsize=15)

春夏秋冬四季24小時需求趨勢一致，值得關注的是春季的整體小于夏秋冬三個季節，體感舒適度最高的秋天整體騎行需求最高。為何春季需求會低于其他季節？這是個值得思考的問題，單限于數據信息有限，未找出合理的解釋。這也說明了結合業務的重要性，只有深入了解了業務規律才能做出準確判斷。

4.3 天氣維度

不同天氣、氣溫等外在環境會影響騎行需求。

不同天氣狀況的騎行需求

# 將數據按天聚合 Weather_Demand=dataset.groupby(['weather','day'])[['count']].sum() Weather_Demand.reset_index(inplace=True) # 不同天氣的騎行需求散點圖 plt.figure(figsize=(12,6)) sns.stripplot(x='weather',y='count',data=Weather_Demand,palette='Set1',jitter=True,alpha=0.6) sns.despine(left=True) plt.xlabel('季節',fontsize=13) plt.ylabel('數量',fontsize=13) plt.title('天氣的分布趨勢',fontsize=15)

可見，天氣情況越糟，騎行需求越小。

# 不同天氣的騎行需求趨勢 plt.figure(figsize=(12,6)) sns.pointplot(x='hour',y='count',hue='weather',data=dataset,ci=None,palette='Spectral') sns.despine(left=True) plt.xlabel('小時',fontsize=13) plt.ylabel('數量',fontsize=13) plt.grid(linestyle='--',alpha=0.5) plt.title('天氣的需求趨勢',fontsize=15)

整體需求趨勢也印證了，天氣越差騎行需求越少，極端天氣未形成趨勢線，極端情況還是占少數的。

氣溫與體表溫度

氣溫與體表溫度應該是正相關的，先來看看兩者的分布圖：

# 溫度與體表溫度的關系度量 plt.figure(figsize=(10,8)) sns.kdeplot(dataset['temp'],dataset['atemp'],shade=True,shade_lowest=False,cut=10,cmap='YlGnBu',cbar=True) sns.despine(left=True) plt.grid(linestyle='--',alpha=0.4) plt.xlim(0,50) plt.ylim(0,50) plt.xlabel('溫度',fontsize=13) plt.ylabel('體表溫度',fontsize=13) plt.title('溫度和體表溫度的相關性',fontsize=15)

從兩者的關系度量圖中我們能看出呈現正相關分布，另外能獲取到的信息是：顏色最深的分布最為集中，最適宜的氣溫27℃~28℃、體表溫度31℃左右的騎行需求是最密集的。

# 溫度與風速的關系度量 plt.figure(figsize=(10,8)) sns.kdeplot(dataset['temp'],dataset['windspeed'],shade=True,shade_lowest=False,cut=10,cmap='YlGnBu',cbar=True) sns.despine(left=True) plt.grid(linestyle='--',alpha=0.4) plt.xlim(0,50) plt.ylim(-10,40) plt.xlabel('溫度',fontsize=13) plt.ylabel('風速',fontsize=13) plt.title('溫度和風速的相關性',fontsize=15)

風速的分布存在斷層，初步推斷可能是異常數據，這里先不做處理；可見氣溫27℃~28℃，風速8~9騎行需求是最密集的。

氣溫與濕度

# 溫度與濕度的關系度量 plt.figure(figsize=(10,8)) sns.kdeplot(dataset['temp'],dataset['humidity'],shade=True,shade_lowest=False,cut=10,cmap='YlGnBu',cbar=True) sns.despine(left=True) plt.grid(linestyle='--',alpha=0.4) plt.xlim(0,40) plt.ylim(0,110) plt.xlabel('溫度',fontsize=13) plt.ylabel('濕度',fontsize=13) plt.title('溫度和濕度的相關性',fontsize=15)

氣溫27℃~28℃，濕度80~90騎行需求是最密集的。

天氣因素與騎行需求

將氣溫和風速作為天氣因素分析騎行需求（忽略體表溫度，氣溫即代表了體表溫度），使用散點圖繪制，散點的大小和顏色代表了騎行量，每個散點代表一天。

plt.figure(figsize=(12,6)) plt.scatter(x='temp',y='windspeed',s=dataset['count']/2,c='count',cmap='RdBu_r',edgecolors='black',linestyle='--',linewidth=0.2,alpha=0.6,data=dataset) plt.title('天氣因素與騎行需求',fontsize=15) plt.xlabel('溫度',fontsize=13) plt.ylabel('風速',fontsize=13) sns.despine(left=True)

可見騎行需求較多的分布范圍：氣溫20℃~35℃，風速40以下；人們更熱衷于溫暖天氣騎行，炎熱天氣需求也大的原因可能是因為相對于公共交通，騎行更加靈活方便吧。

將氣溫和濕度作為天氣因素分析騎行需求：

plt.figure(figsize=(12,6)) plt.scatter(x='temp',y='humidity',s=dataset['count']/2,c='count',cmap='RdBu_r',edgecolors='black',linestyle='--',linewidth=0.2,alpha=0.6,data=dataset) plt.title('天氣因素與騎行需求',fontsize=15) plt.xlabel('溫度',fontsize=13) plt.ylabel('濕度',fontsize=13) sns.despine(left=True)

可見騎行需求較多的分布范圍：氣溫20℃~35℃，濕度20~80。

4.5 注冊用戶與未注冊用戶

如何能提升平臺用戶數量？當然是拉新促活促轉化，接下來，讓我們來觀察下注冊用戶與非注冊用戶的差異吧。

# 衍生特征 dataset['dif']=dataset['registered']-dataset['casual'] # 衍生特征注冊用戶與非注冊用戶的騎行需求差值 fig,axes=plt.subplots(2,2,figsize=(20,8)) plt.subplots_adjust(hspace=0.3,wspace=0.1) # 繪制子圖1：月度差異 Month_Dif = dataset.groupby('month')[['casual','registered']].mean() Month_Dif.plot(kind='line',linestyle='--',linewidth=2,colormap='Set1',ax=axes[0,0]) axes[0,0].set_title('月份趨勢需求差異',fontsize=15) axes[0,0].grid(linestyle='--',alpha=0.8) axes[0,0].set_xlabel('月份',fontsize=13) axes[0,0].set_ylabel('數量',fontsize=13) # 繪制子圖2：小時差異 H1=dataset.groupby('hour')[['casual','registered']].mean() H1.plot(kind='line',linestyle='--',linewidth=2,colormap='Set1',ax=axes[0,1]) axes[0,1].set_title('小時趨勢需求差異',fontsize=15) axes[0,1].grid(linestyle='--',alpha=0.8) axes[0,1].set_xlabel('小時',fontsize=13) axes[0,1].set_ylabel('數量',fontsize=13) # 繪制子圖3：工作日差異 H2_1=dataset[dataset.workingday==1].groupby('hour')[['casual','registered']].mean() # 工作日 H2_0=dataset[dataset.workingday==0].groupby('hour')[['casual','registered']].mean() # 非工作日 H2_1.plot(kind='line',linestyle='--',linewidth=2,colormap='Set1',ax=axes[1,0]) axes[1,0].set_title('工作日時間趨勢需求差異',fontsize=15) axes[1,0].grid(linestyle='--',alpha=0.8) axes[1,0].set_xlabel('小時',fontsize=13) axes[1,0].set_ylabel('數量',fontsize=13) # 繪制子圖4：非工作日差異 H2_0.plot(kind='line',linestyle='--',linewidth=2,colormap='Set1',ax=axes[1,1]) axes[1,1].set_title('假期時間趨勢需求差異',fontsize=15) axes[1,1].grid(linestyle='--',alpha=0.8) axes[1,1].set_xlabel('小時',fontsize=13) axes[1,1].set_ylabel('數量',fontsize=13) sns.despine(left=True)

上圖為注冊用戶與非注冊用戶在各因素下的差異組合圖：

第一幅為兩者的月度差異圖，可見整體趨勢相同，注冊用戶遠高于非注冊用戶；

第二幅為兩者的小時差異圖，可見注冊用戶的小時規律明顯，非注冊用戶則只在12AM~5PM存在峰值，整體差異較大；

第三幅為兩者的工作日差異圖，可見注冊用戶工作日小時規律明顯，二非注冊用戶趨勢平緩；

第四幅為兩者的非工作日差異圖，可見非工作日兩者差異相較于其他因素差異較小，且趨勢相同，值得注意的是注冊用戶在凌晨更加活躍。

總的來說，注冊用戶需求遠高于非注冊用戶，注冊用戶的使用規律明顯，而非注冊用戶受其他因素的影響相對較弱。

總結

以上是生活随笔為你收集整理的共享单车数据集_共享单车数据可视化报告的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。