溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹“Python怎么實現自行車租賃數據分析”，在日常操作中，相信很多人在Python怎么實現自行車租賃數據分析問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”Python怎么實現自行車租賃數據分析”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！
數據來源
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inlinebike = pd.read_csv(open(r'D:\python數據分析\數據\bike.csv'))bike.head()
問題探索
數據清洗
bike.isnull().sum()
bike.dtypes
bike['datetime'] = pd.to_datetime(bike['datetime'])bike.dtypes
bike = bike.set_index('datetime') #將datetime字段設置為DataFrame的索引，成為時間序列數據bike.head()
bike.index #索引
bike.tail()
數據探索
y_bike = bike.groupby(lambda x: x.year).mean() # 降采樣年份數據y_bike['count']
y_bike['count'].plot(kind='bar') # 繪制柱狀圖
m_bike = bike.resample('M', kind='period').mean() # 重采樣到月份，類型為時期類型m_bike.head()
fig, axes = plt.subplots(2, 1) #兩行一列m_bike['2011']['count'].plot(ax=axes[0],sharex=True) #貢獻X軸m_bike['2012']['count'].plot(ax=axes[1])
bike['day'] = bike.index.daybike['hour'] = bike.index.hour # 單獨存儲日和時的數據bike.head()
d_bike = bike.groupby('day')['count'].mean() #對day字段分組統計d_bike
d_bike.plot() # 自行車每日租賃數分布
h_bike = bike.groupby('hour')['count'].mean() #對hour字段分組統計h_bike
h_bike.plot() # 自行車每小時租賃數分布
work_bike = bike.groupby('workingday')['count'].mean()work_bike #對workingday字段分組統計
work_bike.plot(kind='bar')
weather_bike = bike.groupby('weather')['count'].mean()weather_bike #對weather字段分組統計
weather_bike.plot(kind='bar')
到此，關于“Python怎么實現自行車租賃數據分析”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
