- 博客(4)
- 收藏
- 关注
RSS订阅原创 地铁刷卡数据分析第四关
# -*- coding: utf-8 -*-# 获得第2关的每日进站人数和出站人数数据，和第3关的每日影响因素指标值# 以日期作为关联字段，进行内连接，获得完整的因变量和自变量数据df(数据框)def return_values(): import step9_2 import step9_3 import pandas as pd r=step9_2.return_values() r1=step9_3.return_values() df=pd.m
2022-10-05 14:19:10
1089
原创 地铁刷卡数据分析第三关
# -*- coding: utf-8 -*-#读取“星期、天气、节假日数据.xlsx”数据表#构造影响地铁日客流量的影响因素指标，获得每天的以下量化指标值：# 星期值：如果是星期一~星期四，值为0；如果是星期五，值为0.5；如果是周末值为1# 节假日：如果中秋、国庆节，值为1；其他节假日，值为0.5；非节假日值为0# 气温：如果大于等于10度，值为1；否则值为2# 雨雪：如果是晴、阴、多云或转晴、阴、多云，值为1# 如果是小雨、阵雨或转小雨、阵雨，值为2# 如果是除以上
2022-10-05 14:18:38
1265
原创 地铁刷卡数据分析第二关
#在上一关的基础上，利用每天最后一条刷卡记录的行标号，#统计获得159站点每天的进站人数和出站人数，结果用一个数据框df来表示，字段名称依次为：#A1_日期、A2_进站人数、A3_出站人数def return_values(): import pandas as pd import step9_1 r=step9_1.return_values() A=pd.read_csv('159站点8月份刷卡数据.csv',sep=',',engine='pytho
2022-10-05 14:18:04
1704
原创 地铁刷卡数据分析第一关
def find_index(A,a0,a2): tA=A while 1: I1=int(len(tA)/2)-1 I2=I1+1 t0=int(tA.iloc[I1,0][8:10]) t2=int(tA.iloc[I2,0][8:10]) if t2!=t0: r=(tA.iloc[I1,0],tA.index[I1]) return r break
2022-10-05 14:17:32
1408
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人