python共享单车案例分析_通过python数据可视化分析共享单车项目

以下是我对共享单车项目分析的案例

数据来源：Bike Sharing Demand | Kaggle​www.kaggle.com

一. 需要分析的问题

结合数据集中天气、温度、日期等因素，分析美国某城市共享单车使用情况。

二. 理解数据

使用pandas.read_csv方法读取数据集，查看其前五行。

我们可以看到数据集拥有12个标签：

datetime：时间(年-月-日 时：分：秒)

season：季节(1：春天，2：夏天，3：秋天，4：冬天)

holiday：节假日(0：否，1：是)

workingday：工作日，即这一天既不是法定节假日也不是周末(0：否，1：是)

weather：天气(1：晴天，2：阴天，3：小雪或小雨，4：大雨，冰雹或雷暴

temp：实际温度(摄氏度)

atemp：感受温度(摄氏度)

humidity：湿度

windspeed：风速

casual：未注册用户租借数量

registered：注册用户租借数量

count：总租借数量

观察数据，我们可以发现，count 主要分析的对象，分析其它因素与count相关关系。

三. 数据清洗

我们看一下训练数据的总体情况：

通以上图，数据整洁并且无缺失数据。

四. 特征工程

1.把时间数据转为年月日小时星期几的新特征

通过时间细化，更详细地知道各种时间对租车人数的关系

2. 数据关系

通过corr()了解租车人数与其它因素之间的关系