这篇文章主要介绍“Python怎么实现自行车租赁数据分析”，在日常操作中，相信很多人在Python怎么实现自行车租赁数据分析问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”Python怎么实现自行车租赁数据分析”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！
数据来源
import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inlinebike = pd.read_csv(open(r'D:\python数据分析\数据\bike.csv'))bike.head()
问题探索
数据清洗
bike.isnull().sum()
bike.dtypes
bike['datetime'] = pd.to_datetime(bike['datetime'])bike.dtypes
bike = bike.set_index('datetime') #将datetime字段设置为DataFrame的索引，成为时间序列数据bike.head()
bike.index #索引
bike.tail()
数据探索
y_bike = bike.groupby(lambda x: x.year).mean() # 降采样年份数据y_bike['count']
y_bike['count'].plot(kind='bar') # 绘制柱状图
m_bike = bike.resample('M', kind='period').mean() # 重采样到月份，类型为时期类型m_bike.head()
fig, axes = plt.subplots(2, 1) #两行一列m_bike['2011']['count'].plot(ax=axes[0],sharex=True) #贡献X轴m_bike['2012']['count'].plot(ax=axes[1])
bike['day'] = bike.index.daybike['hour'] = bike.index.hour # 单独存储日和时的数据bike.head()
d_bike = bike.groupby('day')['count'].mean() #对day字段分组统计d_bike
d_bike.plot() # 自行车每日租赁数分布
h_bike = bike.groupby('hour')['count'].mean() #对hour字段分组统计h_bike
h_bike.plot() # 自行车每小时租赁数分布
work_bike = bike.groupby('workingday')['count'].mean()work_bike #对workingday字段分组统计
work_bike.plot(kind='bar')
weather_bike = bike.groupby('weather')['count'].mean()weather_bike #对weather字段分组统计
weather_bike.plot(kind='bar')
到此，关于“Python怎么实现自行车租赁数据分析”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注亿速云网站，小编会继续努力为大家带来更多实用的文章！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
