数据分析实战——共享单车

共享单车在近两年来火爆的不要不要的，而我在学习了数据分析师（入门）的几堂课之后，十分想要尝试一下数据分析的过程。

此次打算从kaggle上的共享单车项目进行入手，选择了bike-sharing-demand项目，COME ON !

说到数据分析就要想到一个东西，数据分析的流程。

数据分析主要分为5大流程：

1需求分析

明确自己的需求是什么，想要用这个数据集来做什么？

这个应该是很多小伙伴们都很纠结的一个问题，不知道从何入手，那我们可以去找一下资料，看看别人做这个分析的时候都会从哪些角度入手？怎么样研究问题呢？

2数据获取

我们有了明确的目标之后，就要考虑数据是怎么获取的，本文最初采用kaggle数据集中的数据。

获取数据的方法除了从kaggle下载之外，还有很多方法，之前DC学习助手就有一篇专门介绍数据获取方式的文章。

3数据处理

数据处理是整个数据分析过程中最麻烦的步骤，有句话说“数据科学家的70%时间都是用在数据处理上”。

4数据分析

当我们拿到了已经进行清洗完的数据之后，那我们就要考虑具体的分析内容了。
分析方法有很多，常见的有描述性统计分析、探索性数据分析、验证性数据分析。可以根据自己的数据和分析目标去选择。

5数据可视化

数据可视化是数据分析的最后一步，也叫做结果展示，通过图表的方式有效并且清晰的来展示与传达信息。

在本文中我们采用的是python中的seaborn库进行可视化。

我们可以认为它是matplotlib库的高级版，对复杂的可视化图表支持的比较好并且也很美观，可以媲美R语言的ggplot2库。

好了，简单介绍完了数据分析的流程之后，我们就要正式开工了。

step1 导入包

这里面的包就不过多解释啦，都是我们常用的数据分析及可视化包。

你们可能会比较好奇%matplotlibinline是什么东西。

这个其实是因为我用的是jupyternotebook，如果不用这一行代码的话，就只会显示出一串稀奇古怪的东西。

除了这行代码可以之外呢，还有另外一个也可以，就是%matplotlib note，它的功能更为强大，还能放大缩小图表，但是缺点就是更耗内存。

step2 导入数据

在此处选择的是试用pandas库中read.csv()方法，后面看到很多的参数，原因是我之前没有加后面的参数之后，一直在报错无法初始化。

考虑两个情况，第一个就是因为有中文的问题，所以在第一个里面放入了encoding 参数，找到是engine的过程很曲折，此处不细说。

step3 查看数据字段含义

用head方法查看前五个数据，可以看出train数据集里面的字段比test的字段多三个，然后查看数据量。

训练集的数据量是10886条12个字段，测试集是6493条数据9个字段，训练集比测试集的字段量多的为：casual、registered、count。

这些会不会给我们的分析带来灵感呢？下面我们就来看下这个数据集里面给的条件。

• Datatime:日期时间，可以拆分出来年月日、时分秒这些数值

• Season：季节1=春天 2=夏天 3=秋天 4=冬天

• Holiday:是否是节假日 0=是，1=不是

• 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:总租车人数（在特定时间内）

step4 数据清洗

字段含义已经很清晰明了了，下面就开始进行数据清洗工作。

01
我们采用的是查看是否有空值，那就需要将两个数据集合并。

得到的结果：

我们可以看到除了test里面的三个不含有的字段之外，其它都是0，这说明这个数据非常的完整，良心数据。

02
为了后续分析方便，datatime字段我们会处理成单个的日期时间，分割为日期和时间，因为给出的都是小时数，所以我们直接切分为小时。

为了方便后面的处理，我们将原始数据转化为DataFrame格式。

step5 数据分析及可视化

完成上面的处理之后我们就要进行数据的分析了，首先我们选择使用相关性分析。

01 热图

根据上图我们可以看出

• 季节和体感温度、外界温度有强的正相关

• 天气和湿度呈现较强的正相关

• 气温温度和体感温度及租车人数呈现强正相关性

• 体感温度和气温温度及租车人数呈现强正相关性

• 湿度和租车人数呈现较强的负相关性

总结上面的两点就是，温度越高租车人数越多；湿度越大租车人数越少。

湿度和环境有很大关系，猜测湿度非常大可能是雨雪天气，那此时人们对于单车的需求将会大大降低。

这个说法并不严谨，肯定有个温度的上限，超过即人数下降。

虽然气温和体感温度呈现强相关性，天气和湿度，季节和外界温度体感温度也是强相关性，但是只是本身的性质，对于目前分析来说没有什么帮助。

02季节和租车人数的关系

既然季节和体感温度、气温温度有强相关，而后两者又和租车人数有关，那我们来研究一下季节和租车人数有什么样的关系。

获得下图：

我们可以看到相对于夏季和秋季来说，春季租单车人数明显较少，而冬季相对来说变化不是非常大，略小于夏秋季节。

原因可能是春季还没有回暖，部分地区可能会风雨较多，并且所谓春寒料峭嘛，人们大多数不太喜欢骑单车。

那冬季为什么会比春天多呢？推测可能是因为人们从秋天过渡到冬天的，最开始的时候还是会比较喜欢骑车子，后面越来越冷才会减少骑车。

03温度和租车人数的关系

到底是不是因为温度的原因呢？那我们下面就研究一下温度。

刚才我们说到了温度和租车人数呈现强相关性，我们能推测出来，温度越高租车的人越多，但是不准确，我们验证一下，Let’s GO。

根据图像可以看出来，在当温度及体感温度高于大约35摄氏度的时候，用户的使用频率就开始降低。

也就是说，虽然确实是随着温度的增加，骑车人的数目也会增加，但是达到一定的温度还是会下降的，说明之前的推测是对的，确实有个上限。

好了，这次简单的小实战练习就结束了，这次的代码参考与了KAGGLE、知乎上面的大佬的代码，让我在琢磨的过程中受益匪浅~感谢大佬们的分享与帮助。

作者：DC学院
链接：https://www.jianshu.com/p/56fd8efcf82e