14、数据处理、分析与可视化综合指南

数据处理、分析与可视化综合指南

1. 交通流量数据分析

交通流量呈现出明显的双峰分布，早上 8 点和晚上 5 点左右出现高峰，这很可能是通勤交通的有力证据。西边人行道（通常用于前往西雅图市中心）早上的流量高峰更明显，而东边人行道（通常用于离开西雅图市中心）晚上的流量高峰更明显，进一步证实了这一点。

我们还可以按星期几来分析交通流量的变化，通过简单的分组操作即可实现：

by_weekday = data.groupby(data.index.dayofweek).mean() 
by_weekday.index = ['Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat', 'Sun'] 
by_weekday.plot(style=[':', '--', '-']); 

这显示出工作日和周末的总流量有很大区别，周一到周五过桥的平均骑行者数量大约是周六和周日的两倍。

接下来，我们进行复合分组，查看工作日和周末的每小时流量趋势。首先按是否为周末和一天中的时间进行分组：

import numpy as np
weekend = np.where(data.index.weekday < 5, 'Weekday', 'Weekend') 
by_time = data.groupby([weekend, data.index.time]).mean() 

然后使用 Matplotlib 工具将结果绘制成并排的两个面