蒙特利尔骑行数据分析 小案例

你好，我是 zhenguo

Python 领域，数据分析的利器非 Pandas 莫属，关于它的基本原理、数据结构和 API，之前总结过不少这类文章。结合施工专题，这阶段先总结数据分析的实践相关话题，直接使用实际数据分析，解决实际问题。

今天参考github中的一个Pandas练习，来做一把蒙特利尔的自行车骑行数据分析。

导入使用的包：

import pandas as pd
import matplotlib.pyplot as plt

读入数据：

fixed_df = pd.read_csv('../data/bikes.csv', sep=';', 
encoding='latin1', parse_dates=['Date'], 
dayfirst=True, index_col='Date')

fixed_df[:3]

注意read_csv的几个参数：

此数据集使用;分割，

编码方式为 latin1，parse_dates 参数表示解析哪些列为日期类型，

dayfirst参数是欧洲常用的一种时间格式，

index_col 参数指定使用Date作为行索引

展示Berri 1列，返回Series类型，Pandas表达键值对的一种数据结构，类似字典。

因为数据读入时，指定Date为行索引，输出结果时可以看到。键的值表示当天骑自行车出行人数：

fixed_df['Berri 1']

结果为：

Date
2012-01-01      35
2012-01-02      83
2012-01-03     135
2012-01-04     144
2012-01-05     197
              ... 
2012-11-01    2405
2012-11-02    1582
2012-11-03     844
2012-11-04     966
2012-11-05    2247
Name: Berri 1, Length: 310, dtype: int64

画画日期与骑自行车出行人数的折线图，此出直接使用Series自带的 plot 方法，绘制 Berri 1 地区的骑行数据折线图：

fixed_df['Berri 1'].plot()

绘制的折线图如下：

看到1月、2月骑自行车出行人数不多。

实际上，我们可以直接绘制蒙特利尔所有地方的骑行数据：

fixed_df.plot(figsize=(15, 10))