真实的国产乱ⅩXXX66竹夫人,五月香六月婷婷激情综合,亚洲日本VA一区二区三区,亚洲精品一区二区三区麻豆

成都創(chuàng)新互聯(lián)網(wǎng)站制作重慶分公司

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

這篇文章主要介紹“Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析”，在日常操作中，相信很多人在Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對(duì)大家解答”Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析”的疑惑有所幫助！接下來，請(qǐng)跟著小編一起來學(xué)習(xí)吧！

在壽陽等地區(qū)，都構(gòu)建了全面的區(qū)域性戰(zhàn)略布局，加強(qiáng)發(fā)展的系統(tǒng)性、市場前瞻性、產(chǎn)品創(chuàng)新能力，以專注、極致的服務(wù)理念，為客戶提供做網(wǎng)站、網(wǎng)站制作 網(wǎng)站設(shè)計(jì)制作定制設(shè)計(jì),公司網(wǎng)站建設(shè),企業(yè)網(wǎng)站建設(shè),高端網(wǎng)站設(shè)計(jì),全網(wǎng)整合營銷推廣,外貿(mào)網(wǎng)站制作,壽陽網(wǎng)站建設(shè)費(fèi)用合理。

數(shù)據(jù)來源

本節(jié)以自行車的租賃數(shù)據(jù)為例，數(shù)據(jù)來源于網(wǎng)絡(luò)，利用時(shí)間序列分析的方法，通過可視化技術(shù)，分析自行車租賃隨時(shí)間及天氣變化的分布情況，其中datetime、season、holiday、workingday、weather、temp、atemp 、humidity、windspeed、casual 、registered、count字段分別代表租賃時(shí)間、季節(jié)、是否為假期、是否為工作日、天氣數(shù)字越大，天氣越差、temp atemp氣溫、濕度、風(fēng)速、普通用戶、注冊(cè)用戶、租賃自行車數(shù)量。
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inline
bike = pd.read_csv(open(r'D:\python數(shù)據(jù)分析\數(shù)據(jù)\bike.csv'))bike.head()

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

問題探索

  

研究時(shí)間段與自行車租賃的關(guān)系情況。

數(shù)據(jù)清洗

  

bike.isnull().sum()

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

查看缺失值，無缺失值。
bike.dtypes

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

查看數(shù)據(jù)類型，datetime字段不是時(shí)間數(shù)據(jù)類型。
bike['datetime'] = pd.to_datetime(bike['datetime'])bike.dtypes

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

將to_datetime函數(shù)轉(zhuǎn)換為datetime類數(shù)據(jù)。
bike = bike.set_index('datetime') #將datetime字段設(shè)置為DataFrame的索引，成為時(shí)間序列數(shù)據(jù)bike.head()

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

bike.index #索引

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

bike.tail()

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

數(shù)據(jù)探索

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析  

y_bike = bike.groupby(lambda x: x.year).mean() # 降采樣年份數(shù)據(jù)y_bike['count']

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

y_bike['count'].plot(kind='bar') # 繪制柱狀圖

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

2012年的租賃數(shù)據(jù)多于2011年數(shù)據(jù)。
m_bike = bike.resample('M', kind='period').mean() # 重采樣到月份，類型為時(shí)期類型
m_bike.head()

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

fig, axes = plt.subplots(2, 1)    #兩行一列m_bike['2011']['count'].plot(ax=axes[0],sharex=True)  #貢獻(xiàn)X軸m_bike['2012']['count'].plot(ax=axes[1])

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

2011年和2012年的趨勢大致相同，前幾個(gè)月逐漸增加，到5、6月份到達(dá)峰值，再到9月份后逐漸減少。
bike['day'] = bike.index.daybike['hour'] = bike.index.hour # 單獨(dú)存儲(chǔ)日和時(shí)的數(shù)據(jù)
bike.head()

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

d_bike = bike.groupby('day')['count'].mean() #對(duì)day字段分組統(tǒng)計(jì)
d_bike

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

d_bike.plot() # 自行車每日租賃數(shù)分布

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

h_bike = bike.groupby('hour')['count'].mean() #對(duì)hour字段分組統(tǒng)計(jì)
h_bike

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

h_bike.plot() # 自行車每小時(shí)租賃數(shù)分布

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

圖中有明顯的兩個(gè)峰值，都是上下班時(shí)間段，并且晚上的峰值更高。
work_bike = bike.groupby('workingday')['count'].mean()
work_bike  #對(duì)workingday字段分組統(tǒng)計(jì)

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

work_bike.plot(kind='bar')

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

天氣越差，自行車租賃數(shù)越少。
weather_bike = bike.groupby('weather')['count'].mean()
weather_bike #對(duì)weather字段分組統(tǒng)計(jì)

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

weather_bike.plot(kind='bar')

Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析

天氣越差，自行車租賃數(shù)越少，但在極端天氣情況下卻略有上升。  

到此，關(guān)于“Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)砀鄬?shí)用的文章！


網(wǎng)站標(biāo)題：Python怎么實(shí)現(xiàn)自行車租賃數(shù)據(jù)分析
網(wǎng)站地址：http://weahome.cn/article/gpgihh.html

其他資訊

在線咨詢

微信咨詢

電話咨詢

028-86922220（工作日）

18980820575（7×24）

提交需求

返回頂部