共享单车需求分析（一）.pdfVIP

共享单车需求分析（⼀） ⼀、问题说明 共享单车在国内发展时间虽然不算长，但是在国外已经发展不算短了。单车共享系统是⼀种租赁⾃⾏车的⽅法，使⽤者租车及还车是通 过各个站点⽹络⾃动完成，便利⼤家的⽣活，本数据来源于Kaggle⽐赛，本⽂的⽬的在于记录数据分析的学习历程。 数据变量说明： datatime ⽇期+时间 season 1=春 2=夏 3=秋 4=冬 holiday 1=节假⽇ 0=⾮节假⽇ 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 给定⽇期时间（每⼩时）总租车⼈数 ⼆、数据准备 导⼊必要的数据包 ： 1 #导⼊处理数据包 2 import numpy as np 3 import pandas as pd 4 from datetime import datetime 5 import matplotlib.pyplot as plt 6 import seaborn as sns 导⼊数据： 1 train=pd.read_csv(train_bike.csv) 2 test=pd.read_csv(test_bike.csv) 这⾥采⽤的是相对路径，若是在不同的⽂件夹下 ，需使⽤绝对路径。 查看数据的整体情况 ： #数据集⼤⼩ print(train:,train.shape) print(test:,test.shape) #查看数据集整体确实情况 print(train.info()) print(test.info()) train: (10886, 12) test: (6493, 9) class pandas.core.frame.DataFrame RangeIndex: 10886 entries, 0 to 10885 Data columns (total 12 columns): datetime 10886 non-null object season 10886 non-null int64 holiday 10886 non-null int64 workingday 10886 non-null int64 weather 10886 non-null int64 temp 10886 non-null float64 atemp 10886 non-null float64 humidity 10886 non-null int64 windspeed 10886 non-null float64 casual 10886 non-null int64 registered 10886 non-null int64 count 10886 non-null int64 dtypes: float64(3), int64(8), object(1) memory usage: 1020.6+ KB None class pandas.core.frame.DataFrame RangeIndex: 6493 entries, 0 to 6492 Data columns (total 9 columns): datetime 6493 non-null object season 6493 non-null int64 holiday 6493 non-null int64 workingday 6493 non-null int64 weather 6493 non-null int64 temp 6493 non-null float64 atemp 6493 non-null float64 humidity 6493 non-null int64 windspeed 6493 non-n