数据分析 NO.16 摩拜单车数据分析项目

摩拜单车数据分析项目
有目标的去分析。
一般地理geohash 7 用的比较多 一般来说是长150米，宽110米

1.GeoHash将二维的经纬度转换成字符串，比如下图展示了北京9个区域的GeoHash字符串，分别是WX4ER，WX4G2、WX4G3等等，每一个字符串代表了某一矩形区域。也就是说，这个矩形区域内所有的点（经纬度坐标）都共享相同的GeoHash字符串，这样既可以保护隐私（只表示大概区域位置而不是具体的点），又比较容易做缓存，比如左上角这个区域内的用户不断发送位置信息请求餐馆数据，由于这些用户的GeoHash字符串都是WX4ER，所以可以把WX4ER当作key，把该区域的餐馆信息当作value来进行缓存，而如果不使用GeoHash的话，由于区域内的用户传来的经纬度是各不相同的，很难做缓存。
2.字符串越长，表示的范围越精确。如图所示，5位的编码能表示10平方千米范围的矩形区域，而6位编码能表示更精细的区域（约0.34平方千米）
3.字符串相似的表示距离相近，这样可以利用字符串的前缀匹配来查询附近的POI信息

有项目目标然后去分析。

train=train.sample(frac=0.5)   #吧原数据集随机%50 进行抽样

s.weekday()  #Monday is 0 and Sunday is 6
s.hour  #取出小时

df["day"]=df["starttime"].apply(lambda s:srt(s)["10"])   #输出的格式的格式是2017-10-23

def processdata(df):
    #time
    df["weekday"]=df["starttime"].apply(lambda s: s.weekday())
    df["hour"]=df["starttime"].apply(lambda s: s.hour())
    df["day"]=df["starttime"].apply(lambda s:srt(s)["10"])
    print（"time process sucessful"）
    
    
    #geohash
    df["star_loc_point"]=df["geohashed_start_loc"].apply(lambda s:geohash.decode(s))
    df["end_loc_point"]=df["geohashed_end_loc"].apply(lambda s:geohash.decode(s))
    df["start_neigh"]=df["geohashed_start_loc"].apply(lambda s:geohash.neighbors(s))
    
    df["star_loc_point_g6"]=df["geohashed_start_loc"].apply(lambda s:s[:6])
    df["end_loc_point_g6"]=df["geohashed_end_loc"].apply(lambda s:s[:6])
    df["star_neighbor_g6"]=df["star_loc_point_g6"].apply(lambda s:geohash.neighbors(s))
    
    
    #判断目的地是否在neihbors
    def ingeobashneg(start_geohash,end_geohash,names):
        names.append(start_geohash)
        if end_geohash in names:
            return 1
        else:
            return 0
        
    #判断geohash6
    
    df["inside"]=df.apply(lambda s:ingeobashneg(s["start_geohash"],s["end_geohash"],s["start_neigh"]),axis=1)
    df["inside_6"]=df.apply(lambda s:ingeobashneg(s["star_loc_point_g6"],s["end_loc_point_g6"],s["star_neighbor_g6"]),axis=1)
    print("geohash sucessful")
    
    #通过经纬度计算距离的函数
    def haversine(lon1, lat1, lon2, lat2): 
        """
        Calculate the great circle distance between two points 
        on the earth (specified in decimal degrees)
        """
        lon1, lat1, lon2, lat2 = map(radians, [lon1, lat1, lon2, lat2])
        # haversine公式
        dlon = lon2 - lon1 
        dlat = lat2 - lat1 
        a = sin(dlat/2)**2 + cos(lat1) * cos(lat2) * sin(dlon/2)**2
        c = 2 * asin(sqrt(a)) 
        r = 6371 # 地球平均半径，单位为公里
        return c * r * 1000
    df["start_end_distance"] = df.apply(lambda s : haversine(s['start_lat_lng'][1],s['start_lat_lng'][0],s['end_lat_lng'][1],s['end_lat_lng'][0]),axis = 1)
    print("Distance process successfully!!!")
    
    return df

## 不同时间骑行的距离是否不一样呢
hour_group=train.groupby("hour")
hour_distance=hour_group["start_end_distance"].agg(np.mean).reset_index()
sns.barplot(x='hour',y='start_end_distance',data=hour_distance)