文章目录
0 前言1 项目背景2 项目分析思维导图3 项目分析具体步骤3.1 读取数据3.2 数据分析3.1.1 数据预处理——每日使用量分析3.1.2 连续7天的单日使用分析结论3.1.3 数据预处理——每日不同时间段的使用量分析3.1.4 每日不同时间段使用量分析结论3.1.5 数据预处理——骑行距离的分析3.1.6 数据预处理——高峰期单车迁移情况分析3.1.7 数据预处理——用户使用频次分析4 项目总结4.1 分析明确了共享单车的使用场景：4.2 改善性意见：5 最后0 前言
Hi，大家好，这里是丹成学长，今天向大家介绍一个学长做的数据分析项目，基于大数据的共享单车数据分析
1 项目背景
公共交通工具的“最后一公里”是城市居民出行采用公共交通出行的主要障碍，也是建设绿色城市、低碳城市过程中面临的主要挑战。
共享单车（自行车）企业通过在校园、地铁站点、公交站点、居民区、商业区、公共服务区等提供服务，完成交通行业最后一块“拼图”，带动居民使用其他公共交通工具的热情，也与其他公共交通方式产生协同效应。
共享单车是一种分时租赁模式，也是一种新型绿色环保共享经济。自ofo首次提出共享单车概念，至今已陆续产生了25个共享单车品牌，与传统的有桩借还自行车相比，无桩的共享单车自由度更高，广受用户好评。
本次分析拟取5月中旬某共享单车在北京地区的车辆订单数据，从时间、空间、频次三个维度进行分析，对该品牌共享单车的发展方向提出改善性意见。
2 项目分析思维导图
3 项目分析具体步骤
3.1 读取数据
from geopy.geocoders import BaiduV3from geopy import distanceimport geohash as ghimport pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom pyecharts.charts import *from pyecharts import options as optsimport datetime%matplotlib inlinefpath="../data/shared-bakes/train.csv"df_shared_bakes=pd.read_csv(fpath,encoding="gbk")df_shared_bakes.head()
3.2 数据分析
3.1.1 数据预处理——每日使用量分析
df_shared_bakes_time_sorted=df_shared_bakes.sort_values(by="starttime")df_shared_bakes_time_sorted.head()
#完整数据的时间跨度为-5-10至-5-24，历时15天early=df_shared_bakes_time_sorted.iloc[0,:]last=df_shared_bakes_time_sorted.iloc[-1,:]print(early.starttime)print(last.starttime)df_shared_bakes_time_in_range=df_shared_bakes_time_sorted.loc[df_shared_bakes_time_sorted["starttime"]<"-05-17",:]df_shared_bakes_time_in_range.iloc[-1,:]#提取连续7天数据的1%用于时间维度的分析df_shared_bakes_data_used=df_shared_bakes_time_in_range.loc[df_shared_bakes_time_in_range.index%100==0,:]df_shared_bakes_data_used.info()#-05-10是星期三#对比7天内每天的用户总量，分析工作日与周末的使用量是否存在差异df_used_by_date=df_shared_bakes_data_useda=df_used_by_date["starttime"].str.split(" ",expand=True)#adf_used_by_date.loc[:,"startdate"]=a.loc[:,0]df_used_by_date.loc[:,"startetime"]=a.loc[:,1]#df_used_by_date.head()s_used_by_date=df_used_by_date.groupby("startdate").count()["userid"]s_used_by_date
3.1.2 连续7天的单日使用分析结论
工作日相较于周末使用量更多分别比较工作日与周末的使用量，整体趋势为稳步增长趋势#工作日比周末（13，14日）的使用量更多bar_used_by_date=(Bar().add_xaxis(list(s_used_by_date.index)).add_yaxis("每日单车使用次数/100",list(s_used_by_date)).set_global_opts(title_opts={"text":"连续7天的单日使用量统计","subtext":"取连续7天数据的1%进行统计"}))bar_used_by_date.render_notebook()
#工作日平均每天的使用量占比约为54.23%,周末平均每天使用量占比45.77%workday_used_mean=s_used_by_date[s_used_by_date.index.isin(["-05-10","-05-11","-05-12","-05-15","-05-16"])].sum()/5weekend_used_mean=s_used_by_date[s_used_by_date.index.isin(["-05-13","-05-14"])].sum()/2#print(workday_used_mean)#print(weekend_used_mean)weekend_pct=round(weekend_used_mean*100/(weekend_used_mean+workday_used_mean),2)workday_pct=round(workday_used_mean*100/(weekend_used_mean+workday_used_mean),2)pie_used_data=[["workday "+str(workday_pct)+"%",workday_used_mean],["weekend "+str(weekend_pct)+"%",weekend_used_mean]]pie_used=(Pie().add("",pie_used_data,center=["35%","50%"],radius=[0,175]).set_global_opts(title_opts=opts.TitleOpts(title="工作日与周末平均使用量占比统计")))pie_used.render_notebook()#s_used_by_date.sum()#s_used_by_date.sum()
3.1.3 数据预处理——每日不同时间段的使用量分析
#提取小时信息，用于每日不同时间段的使用量分析df_used_by_date.loc[:,"hour"]=df_used_by_date["startetime"].str.slice(0,2)#df_used_by_date.loc[:,"startetime"]df_used_by_date.head()
#将数据分为7个单日，分布分析每日不同时间段的使用量Wednesday=df_used_by_date.loc[df_used_by_date.startdate=="-05-10",:]Thursday=df_used_by_date.loc[df_used_by_date.startdate=="-05-11",:]Friday=df_used_by_date.loc[df_used_by_date.startdate=="-05-12",:]Saturday=df_used_by_date.loc[df_used_by_date.startdate=="-05-13",:]Sunday=df_used_by_date.loc[df_used_by_date.startdate=="-05-14",:]Monday=df_used_by_date.loc[df_used_by_date.startdate=="-05-15",:]Tuesday=df_used_by_date.loc[df_used_by_date.startdate=="-05-16",:]Wednesday_used=Wednesday.groupby("hour").count()["userid"]Thursday_used=Thursday.groupby("hour").count()["userid"]Friday_used=Friday.groupby("hour").count()["userid"]Saturday_used=Saturday.groupby("hour").count()["userid"]Sunday_used=Sunday.groupby("hour").count()["userid"]Monday_used=Monday.groupby("hour").count()["userid"]Tuesday_used=Tuesday.groupby("hour").count()["userid"]#对比每一天不同时间的使用量，分析是否存在有规律的使用峰值等特征#工作日与周末分布有不同的分布规律，分别分析Line_used_by_time=(Line().add_xaxis(list(Wednesday_used.index)).add_yaxis("Wednesday",Wednesday_used).add_yaxis("Thursday",Thursday_used).add_yaxis("Friday",Friday_used).add_yaxis("Saturday",Saturday_used).add_yaxis("Sunday",Sunday_used).add_yaxis("Monday",Monday_used).add_yaxis("Tuesday",Tuesday_used).set_series_opts(label_opts=opts.LabelOpts(is_show=False)).set_global_opts(title_opts=opts.TitleOpts(title="连续7天单日不同时间段使用量统计",subtitle="取连续7天数据的1%进行统计"),legend_opts=opts.LegendOpts(pos_left="right")))Line_used_by_time.render_notebook()
3.1.4 每日不同时间段使用量分析结论
工作日早晚各有一个峰值，中午12点有一个小峰值,说明工作日的单车使用时间符合通勤高峰时间规律，工作日的使用场景以通勤为主，还伴有部分午餐时间的使用周末在8点至21点区间内使用量平缓分布，中午11至12点、晚5点至7点各有一个小高峰，说明周末的单车使用时间与午餐、晚餐时间相关，即周末的使用场景以休闲、聚餐为主结合前述单日总使用量的对比，通勤需求产生的使用量更大，可能产生潮汐现象（后续具体分析）可以选择工作日非高峰时段或周末进行单车维修、保养等工作#对比工作日与周末不同时间的使用量，分析分布规律Line_used_by_time_new=(Line().add_xaxis(list(Weekend_used.index)).add_yaxis("Weekend",Weekend_used,markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")])).add_yaxis("Workday",Workday_used,markpoint_opts=opts.MarkPointOpts(data=[opts.MarkPointItem(type_="max")])).set_series_opts(label_opts=opts.LabelOpts(is_show=False)))Line_used_by_time_new.render_notebook()
3.1.5 数据预处理——骑行距离的分析
df_used_by_date=df_used_by_date.reset_index(drop=True)df_used_by_date.head()#当前位置数据采用geohash编码方式，geohash编码长度为7位#解码后发现经纬度在小数点后两位时，geohash编码的第7位无法有效区分#因此距离小于850m时，无法明确计算出距离，统一用0值填充s_series=df_used_by_date.loc[:,"geohashed_start_loc"]e_series=df_used_by_date.loc[:,"geohashed_end_loc"]for i in df_used_by_date.index:s=gh.decode(s_series[i])e=gh.decode(e_series[i])s_loc=str(float(s[0]))+","+str(float(s[1]))e_loc=str(float(e[0]))+","+str(float(e[1]))df_used_by_date.loc[i,"起始纬度"]=float(s[0])df_used_by_date.loc[i,"起始经度"]=float(s[1])df_used_by_date.loc[i,"结束纬度"]=float(e[0])df_used_by_date.loc[i,"结束经度"]=float(e[1])df_used_by_date.loc[i,"起始点距离"]=distance.distance(s,e).kmif i%1000==0:print(f'{round(i*100/(df_used_by_date.index.stop-1),5)}%')elif i==df_used_by_date.index.stop-1:print("100%")df_used_by_date.head(10)#工作日与周末的分布情况相似，大部分用户的骑行距离都小于1.4kmdis_10=round(df_used_by_date.loc[df_used_by_date.startdate=="-05-10","起始点距离"],2)dis_11=round(df_used_by_date.loc[df_used_by_date.startdate=="-05-11","起始点距离"],2)dis_12=round(df_used_by_date.loc[df_used_by_date.startdate=="-05-12","起始点距离"],2)dis_13=round(df_used_by_date.loc[df_used_by_date.startdate=="-05-13","起始点距离"],2)dis_14=round(df_used_by_date.loc[df_used_by_date.startdate=="-05-14","起始点距离"],2)dis_15=round(df_used_by_date.loc[df_used_by_date.startdate=="-05-15","起始点距离"],2)dis_16=round(df_used_by_date.loc[df_used_by_date.startdate=="-05-16","起始点距离"],2)box=(Boxplot().add_xaxis(["-05-10","-05-11","-05-12","-05-13","-05-14","-05-15","-05-16"]).add_yaxis("",Boxplot.prepare_data([dis_10,dis_11,dis_12,dis_13,dis_15,dis_15,dis_16])).set_global_opts(title_opts=opts.TitleOpts(title="用户骑行距离统计")))box.render_notebook()
#骑行距离不超过1km的用户占比过半df_used_by_date["起始点int值"]=df_used_by_date.起始点距离.astype(int)dis_grouped=df_used_by_date.groupby("起始点int值").count()["userid"]pie_dis_x=list(str(i)+"-"+str(i+1)+" km" for i in dis_grouped.index)dis_data=list(list(z) for z in zip(pie_dis_x,dis_grouped))dis_data[0][0]="小于1 km"pie_dis=(Pie().add("",dis_data,center=["35%", "60%"],radius=[0, 175]).set_global_opts(title_opts=opts.TitleOpts(title="骑行距离比例分布",pos_bottom="83%")))pie_dis.render_notebook()
3.1.6 数据预处理——高峰期单车迁移情况分析
#df_used_by_date.起始纬度.min()——26.14#df_used_by_date.起始纬度.max()——40.3#df_used_by_date.起始经度.min()——114.15#df_used_by_date.起始经度.max()——121.52#df_used_by_date.结束纬度.min()——26.13#df_used_by_date.结束纬度.max()——40.3#df_used_by_date.结束经度.min()——114.14#df_used_by_date.结束经度.max()——121.51#提取7-8点时间段内所有被使用的单车的起点位置和终点位置df_hour_7=df_used_by_date.loc[df_used_by_date.hour=="07",:]start_point_7=df_hour_7.groupby(["起始经度","起始纬度"]).count()["orderid"]start_point_7=start_point_7.reset_index(drop=False)t=zip(start_point_7["起始经度"],start_point_7["起始纬度"],start_point_7["orderid"])start_loc_7=[]for z in t:#print(z)start_loc_7.append(list(z)) end_point_7=df_hour_7.groupby(["结束经度","结束纬度"]).count()["orderid"]end_point_7=end_point_7.reset_index(drop=False)t=zip(end_point_7["结束经度"],end_point_7["结束纬度"],end_point_7["orderid"])end_loc_7=[]for z in t:#print(z)end_loc_7.append(list(z))#提取8-9点时间段内所有被使用的单车的起点位置和终点位置df_hour_8=df_used_by_date.loc[df_used_by_date.hour=="08",:]start_point_8=df_hour_8.groupby(["起始经度","起始纬度"]).count()["orderid"]start_point_8=start_point_8.reset_index(drop=False)t=zip(start_point_8["起始经度"],start_point_8["起始纬度"],start_point_8["orderid"])start_loc_8=[]for z in t:#print(z)start_loc_8.append(list(z)) end_point_8=df_hour_8.groupby(["结束经度","结束纬度"]).count()["orderid"]end_point_8=end_point_8.reset_index(drop=False)t=zip(end_point_8["结束经度"],end_point_8["结束纬度"],end_point_8["orderid"])end_loc_8=[]for z in t:#print(z)end_loc_8.append(list(z)) #将7-8点时间段内的点起始位置分布绘制为两张图bar_3D_start_7=(Bar3D().add("",start_loc_7).set_global_opts(title_opts=opts.TitleOpts(title="7-8点单车迁移情况统计",subtitle="7-8点单车起始位置分布"),visualmap_opts=opts.VisualMapOpts(max_=8,min_=5,range_color=["#313695","#4575b4","#74add1","#abd9e9","#e0f3f8","#ffffbf","#fee090","#fdae61","#f46d43","#d73027","#a50026",],)))bar_3D_end_7=(Bar3D().add("",end_loc_7).set_global_opts(title_opts=opts.TitleOpts(title="",subtitle="7-8点单车结束位置分布"),visualmap_opts=opts.VisualMapOpts(max_=8,min_=5,range_color=["#313695","#4575b4","#74add1","#abd9e9","#e0f3f8","#ffffbf","#fee090","#fdae61","#f46d43","#d73027","#a50026",],)))
3.1.7 数据预处理——用户使用频次分析
user_frequency=pd.DataFrame(df_shared_bakes_time_in_range.groupby("userid").count()["orderid"])user_frequency=user_frequency.reset_index()pie_user_frequency_data=user_frequency.groupby("orderid").count()["userid"]more_than_10=pie_user_frequency_data[pie_user_frequency_data.index>10].sum()pie_user_frequency_data=pie_user_frequency_data[:11]pie_user_frequency_data[11]=more_than_10pie_user_frequency_data=list(list(z) for z in zip(pie_user_frequency_data.index,pie_user_frequency_data))pie_user_frequency_data[10][0]="大于10次"date=df_shared_bakes_time_in_range["starttime"].str.slice(0,10)df_shared_bakes_time_in_range.loc[:,"startdate"]=datedf_shared_bakes_time_in_range.head()#dateuser_frequency_weekend=pd.DataFrame(df_shared_bakes_time_in_range.loc[df_shared_bakes_time_in_range.startdate.isin(weekend),:].groupby("userid").count()["orderid"])user_frequency_workday=pd.DataFrame(df_shared_bakes_time_in_range.loc[df_shared_bakes_time_in_range.startdate.isin(workday),:].groupby("userid").count()["orderid"])user_frequency_weekend=user_frequency_weekend.reset_index()user_frequency_workday=user_frequency_workday.reset_index()pie_user_frequency_data_weekend=user_frequency_weekend.groupby("orderid").count()["userid"]pie_user_frequency_data_workday=user_frequency_workday.groupby("orderid").count()["userid"]more_than_10_weekend=pie_user_frequency_data_weekend[pie_user_frequency_data_weekend.index>10].sum()more_than_10_workday=pie_user_frequency_data_workday[pie_user_frequency_data_workday.index>10].sum()pie_user_frequency_data_weekend=pie_user_frequency_data_weekend[:11]pie_user_frequency_data_workday=pie_user_frequency_data_workday[:11]pie_user_frequency_data_weekend[11]=more_than_10_weekendpie_user_frequency_data_workday[11]=more_than_10_workdaypie_user_frequency_data_weekend=list(list(z) for z in zip(pie_user_frequency_data_weekend.index,pie_user_frequency_data_weekend))pie_user_frequency_data_workday=list(list(z) for z in zip(pie_user_frequency_data_workday.index,pie_user_frequency_data_workday))pie_user_frequency_data_weekend[10][0]="大于10次"pie_user_frequency_data_workday[10][0]="大于10次"
一周内用户的使用次数大量分布在10次以下，50%的用户使用次数为4次及以下
周末期间用户使用单车的次数普遍分布在3次及以下
工作日期间用户使用共享单车的次数普遍分布在5次及以下，使用3次及以下的用户占比近一半
工作日期间的用户使用频次有较大提升空间，通勤时段用户有大量使用需求，但总体来看使用频次仍偏低，考虑改进两个因素
因素一 高峰时段的车辆分布情况，是否因为高峰时段车辆数量不足，导致用户无法使用到单车
因素二 用户粘性差，是否用户对本品牌的单车选择倾向性低，可以考虑加大月卡等套餐的推广力度，或提升本品牌单车品质
*工作日期间使用单车次数6次及以上的用户为高粘性用户，占比约30%
