一、背景
交通大數據是由交通運行管理直接產生的數據（包括各類道路交通、公共交通、對外交通的刷卡、線圈、卡口、GPS、視頻、圖片等數據）、交通相關行業和領域導入的數據（氣象、環境、人口、規劃、移動通信手機信令等數據），以及來自公眾互動提供的交通狀況數據（通過微博、微信、論壇、廣播電臺等提供的文字、圖片、音視頻等數據）構成的。
現在給出了一個公交刷卡樣例數據集，包含有交易類型、交易時間、交易卡號、刷卡類型、線路號、車輛編號、上車站點、下車站點、駕駛員編號、運營公司編號等。試導入該數據集并做分析。
二、任務要求
1.分別計算早上7點前和晚上10點之后的公共交通上車刷卡量；
2.繪制并輸出當天各小時公交刷卡量變化的折線圖；
3.構造一個乘客搭乘時間分析函數，計算各小時區間乘客的平均公交搭乘時間及其標準差；
4.繪制并輸出不同類型的一卡通交易數量及其占比的餅圖；
5.分別構造線路類、司機類和車輛類，將線路編號1101–1120的線路及其所對應的司機和車輛信息輸出為20個txt文檔，并保存到一個文件夾中；
6.分析搭載乘客情況，確定服務乘客人次最多的10個司機、10條線路和10臺車輛。
三、使用步驟
1.引入庫
代碼如下：
from numpy import *
import pandas as pd
import matplotlib.pyplot as plt
from collections import Counter
2.導入數據
代碼如下：
# 導入csv文件
ICdata = pd.read_csv('D:/人工智能編程語言/Python - 作業4/ICData.csv', sep=',', encoding='utf-8')
3.任務一
代碼如下：
# 1.分別計算早上7點前和晚上10點之后的公共交通上車刷卡量；
ICdata['交易時間'] = pd.to_datetime(ICdata['交易時間'], format='%Y/%m/%d %H:%M:%S') # 將字符串類型轉換為datetime類型
paytime1 = ICdata[ICdata.交易時間 '2018/4/1 07:00:00']
paytime2 = ICdata[ICdata.交易時間 > '2018/4/1 22:00:00']
print('早上七點前的刷卡量為：', paytime1.交易時間.count()) # 輸出在早上七點前的刷卡量
print('晚上十點后的刷卡量為：', paytime2.交易時間.count()) # 輸出在晚上十點后的刷卡量
print('\n')
輸出：
4.任務二
代碼如下：
# 2.繪制并輸出當天各小時公交刷卡量變化的折線圖
timetable = []
ICdata['hour'] = ICdata['交易時間'].dt.hour # 加多一列hour,并賦值為標準數據里的小時
time = ICdata.groupby(['hour']).count() # 通過data.groupby(‘hour').count()按小時進行分組，并統計數目
timetable = time.iloc[:, 2] # 取出一列數據
timetable.plot() # 畫出折線圖
plt.rcParams['font.sans-serif'] = ['SimHei'] # 防止中文輸出出現亂碼
plt.title('當天內各小時刷卡量') # 設置總標題
plt.xlabel('Hour') # 設置x坐標標題
plt.ylabel('Amount') # 設置y坐標標題
plt.show() # 展示折線圖
del ICdata['hour'] # 將hour列刪除
輸出：
5.任務三
代碼如下：
# 3.定義一個計算乘客搭乘時間平均數和標準差的函數
def fun_time(x):
time_list = []
ICdata['hour'] = ICdata['交易時間'].dt.hour # 加多一列hour,并賦值為標準數據里的小時
t = list(ICdata['hour']) # 將hour列取出并轉換為列表
for i in range(200000):
if t[i] == x: # 記錄該小時內乘客的搭乘時間
time_list.append(abs(ICdata['上車站點'][i]-ICdata['下車站點'][i]))
aver = mean(time_list) # 計算平均數
std_t = std(time_list) # 計算標準差
print(x, '時內乘客搭乘的平均時間為：%.3f站 ' % aver, '標準差為：%.3f站' % std_t)
print('\n')
# 函數實現：
a = int(input("請輸入一個整數代表該小時:"))
fun_time(a) # 調用fun_time函數,傳入參數a
輸出：
6.任務四
代碼如下：
# 4.繪制并輸出不同類型的一卡通交易數量及其占比的餅圖
count = Counter(ICdata.iloc[:, 0]) # 統計各刷卡類型總數
list_key = [] # 創建列表存儲刷卡類型
list_value = [] # 創建列表存儲刷卡總數量
print('不同類型的一卡通交易數量:')
for key, value in count.items(): # 將counter類型元素分別提取到兩個列表內
list_key.append(key)
list_value.append(value)
print('%5d' % key, ':', value) # 輸出刷卡類型及對應數量
print('\n')
plt.figure(figsize=(6, 6), dpi=100) # 創建畫布
colors = ['b', 'r', 'g', 'y'] # 設置顏色
plt.pie(list_value, labels=list_key, autopct='%1.2f%%',
colors=colors, shadow=True, startangle=150)
# autopct='%1.2f%%' 保留2位小數
# shadow=True,startangle=150 設置陰影，角度為150度
plt.legend() # 顯示圖例
plt.axis('equal') # 為了讓顯示的餅圖保持圓形，需要添加axis保證長寬一樣
plt.title('不同類型的一卡通交易數占比的餅圖') # 添加標題
plt.show()
輸出：
7.任務五
代碼如下：
# 5.分別構造線路類、司機類和車輛類，將線路編號1101–1120的線路及其所對應的司機和
# 車輛信息輸出為20個txt文檔，并保存到一個文件夾中；
list_line=[]
for i in range(1101,1121): # 將20條線路的名稱存進列表里
list_line.append(i)
class Driver: # 構造司機類
def __init__(self,driver):
self.driver = driver
class Bus: # 構造公交類
def __init__(self,bus):
self.bus = bus
class Line: # 構造線路類
def __init__(self): # 因為要根據線路得知司機和公交的信息，因此在線路類
self.driver=[] # 里添加兩個列表分別存入司機和公交的信息
self.bus=[]
def add_driver(self,x):
self.driver.append(x)
def add_bus(self,y):
self.bus.append(y)
line_class=[] # 列表存20條線路對應的對象
for i in range(1101,1121):
l=Line() # 一條線路創建一個對象
for j in range(200000):
if ICdata['線路號'][j]==i: # 將對應線路的司機和公交信息存入該線路對象內
l.add_driver(ICdata['車輛編號'][j])
l.add_bus(int(ICdata['駕駛員編號'][j]))
line_class.append(l)
basepath='D:/人工智能編程語言/task4/road_line/Line' # 確定txt文件存入的路徑
for i in range(20):
full_path=basepath+str(list_line[i])+'.txt' # 加上文件名和后綴
file=open(full_path,'w',encoding='UTF-8') # 創建txt文件，只寫
file.write('車輛編號')
file.write(' ')
file.write('駕駛員編號\n')
for j in range(len(line_class[i].driver)): # 將對應線路的信息寫入txt文件內
file.write(str(line_class[i].driver[j]))
file.write(' ')
file.write(str(line_class[i].bus[j]))
file.write('\n')
file.close()
輸出：
8.任務六
代碼如下：
# 6.分析搭載乘客情況，確定服務乘客人次最多的10個司機、10條線路和10臺車輛。
drivers = Counter(ICdata.iloc[:, 8]) # 取出對應列并統計每個元素出現的次數
a=(drivers.most_common(10)) # 將前十個元素及出現的次數存入列表a內
print('服務人次最多的前十名司機及服務人數:')
for i in range(10):
print('%-8d'% int(a[i][0]),':','%-10d'% a[i][1])
lines = Counter(ICdata.iloc[:, 4])
b=(lines.most_common(10))
print('服務人次最多的前十條線路及服務人數:')
for i in range(10):
print('%-8d'% int(b[i][0]),':','%-10d'% b[i][1])
buses = Counter(ICdata.iloc[:, 5])
c=(buses.most_common(10))
print('服務人次最多的前十輛公交及服務人數:')
for i in range(10):
print('%-8d'% int(c[i][0]),':','%-10d'% c[i][1])
輸出：
四、總結
加深了對numpy，pandas和matplotlib等第三方應用庫的使用。
到此這篇關于python數據分析之公交IC卡的文章就介紹到這了,更多相關python公交IC卡內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Python數據分析之繪圖和可視化詳解
- Python數據分析之pandas比較操作
- Python數據分析入門之數據讀取與存儲
- Python數據分析入門之教你怎么搭建環境
- python學習之panda數據分析核心支持庫
- Python數據分析庫pandas高級接口dt的使用詳解
- 用Python 爬取貓眼電影數據分析《無名之輩》
- 高考要來啦!用Python爬取歷年高考數據并分析
