申请专栏作者
您的当前位置:主页 > 大数据 > 正文

分析了一万多条拼车数据,看看北上广深的各位

来源: 时间:2019-02-10
请点击下面的广告后浏览!
目录
  • 前言
  • 统计结果
  • 爬虫思路
  • 统计思路
  • 后记

前言

可思数据-AI,人工智能,深度学习,机器学习,神经网络

很早之前发过一篇关于某拼车平台爬虫的文章,因为工作比较忙,一直没有下文。最近年底稍微空了些,加上碰上春节返乡大潮,刚好再拿过来写一下数据分析的思路。 内容来自可思数据

本次数据样本共13041条,本别采集了北京、上海、广州、深圳、杭州的某一天出行数据,由于手动操作难以保证取样的公平性,所以不能对全部数据结果的准确性做保证,本文以提供思路参考为主,先放一张路线图:

可思数据-人工智能资讯平台

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

可思数据-AI,人工智能,深度学习,机器学习,神经网络

统计结果 可思数据-www.sykv.cn,sykv.com

好了知道大家比较关心结果,所以先把结果放一放,后面再接着讲分析过程。 可思数据-数据挖掘,智慧医疗,机器视觉,机器人

乘客性别 本文来自可思数据,转载请联系本站及注明出处

先单独把性别拎出来看一下,后面再根据城市进行分析,结果显示,抛开未设置性别的乘客不论,总体来看顺风车的用户群中,男性(占比49.39%)还是多于女性(占比31.55%)的。毕竟跨城顺风车,大过年的,女性乘客对于安全性的忧虑还有要有的。

内容来自可思数据

分析了一万多条拼车数据,看看北上广深的各位都回哪过年 可思数据-www.sykv.cn,sykv.com

城市订单 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

真实数据的话订单数量应该是深圳 > 北京 > 广州 > 上海 > 杭州,但是同一个城市内的乘客性别比例应该还是具有一定的参考价值的,可以看到北京、上海、深圳的女性乘客数量占比都是高于男性的。 本文来自可思数据,转载请联系本站及注明出处

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

可思数据

客单价 可思数据-人工智能资讯平台

原本是想比较一下平均路程长度,但是想想这个事情太折腾了,由于平台主要还是依靠路程来计算拼车费用的,所以通过计算客单价的话大概也能反映一下平均形成长度(我猜的,然后结果是这样的,没想到广州是最高的,也可能是我统计错误 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

分析了一万多条拼车数据,看看北上广深的各位都回哪过年 可思数据-AI,人工智能,深度学习,机器学习,神经网络

哪里乘客最壕 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

有时候有些偏远地区订单或者顺路司机少,乘客会加价希望司机接单,于是统计了一下各城市加价订单的占比和平均的加价额度,得出如下结果:

可思数据-AI,人工智能,深度学习,机器学习,神经网络

占比最高的城市是深圳,平均加价额度最高的城市也是深圳,看来深圳的小哥哥小姐姐们的确出手阔错,然而加价比例最低的是北京,不过这也不能说明帝都人民不壕气,可能就是人家繁华,司机多。 可思数据

分析了一万多条拼车数据,看看北上广深的各位都回哪过年 本文来自可思数据,转载请联系本站及注明出处

返乡路线图

可思数据-人工智能资讯平台

最后放几张返乡的路线图 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

北京

内容来自可思数据

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

可思数据

上海

可思数据-www.sykv.cn,sykv.com

分析了一万多条拼车数据,看看北上广深的各位都回哪过年 可思数据-人工智能资讯平台

分析了一万多条拼车数据,看看北上广深的各位都回哪过年 可思数据

广州 本文来自可思数据,转载请联系本站及注明出处

分析了一万多条拼车数据,看看北上广深的各位都回哪过年 可思数据-AI,人工智能,深度学习,机器学习,神经网络

  可思数据-www.sykv.cn,sykv.com

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

可思数据-AI,智能驾驶,人脸识别,区块链,大数据

深圳 内容来自可思数据

分析了一万多条拼车数据,看看北上广深的各位都回哪过年 可思数据-数据挖掘,智慧医疗,机器视觉,机器人

杭州

可思数据-www.sykv.cn,sykv.com

杭州明显有别与其它几个城市,一个是杭州的数据样本多,另外一个平台上杭州黄牛多,那些最远的单子就是黄牛广告单

可思数据-www.sykv.cn,sykv.com

分析了一万多条拼车数据,看看北上广深的各位都回哪过年 本文来自可思数据,转载请联系本站及注明出处

分析了一万多条拼车数据,看看北上广深的各位都回哪过年

可思数据-数据挖掘,智慧医疗,机器视觉,机器人

爬虫思路

本文来自可思数据,转载请联系本站及注明出处

注册成为司机,利用mitm抓包存储拼车单 可思数据-人工智能资讯平台

统计思路

可思数据-AI,人工智能,深度学习,机器学习,神经网络

数据的话我是通过本地Mongodb存储,所以直接用python操作Mongodb数据

可思数据-AI,智能驾驶,人脸识别,区块链,大数据

Pymongo 可思数据-www.sykv.cn,sykv.com

关于Mongodb数据库的连接,直接上代码:

可思数据-AI,人工智能,深度学习,机器学习,神经网络

 本文来自可思数据,转载请联系本站及注明出处 
  1. client = MongoClient('mongodb://localhost:27017') 
  2. spring = client.spring 
  3. collection = spring['orders'] 

以上代码的意思就是连接本地Mongodb-spring数据库-orders文档集合

可思数据

Pyecharts 可思数据-人工智能资讯平台

Pyecharts(http://pyecharts.org)是大名鼎鼎的Echarts的Python可视化图表库,用起来挺顺手的,而且文档规范,基本上可以零门槛入门,具体实现请移步文档。 可思数据

这里介绍一下关于Pyecharts的图表样式配置,为了保持各图表的样式统一(偷懒),Pyecharts提供了一个Style类,可用于在同一个图或者多个图内保持统一的风格 本文来自可思数据,转载请联系本站及注明出处

 可思数据-www.sykv.cn,sykv.com 
  1. from pyecharts import Style,Geo 
  2.  
  3. style = Style( 
  4.    title_color="#fff", 
  5.    title_pos="center", 
  6.    width=1100, 
  7.    height=600, 
  8.    background_color='#404a59' 
  9. # style.init_style 会返回类初始化的风格配置字典 
  10. geo = Geo("全国主要城市空气质量", "data from pm2.5", **style.init_style) 

这样,就创建了一个Geo地理坐标系图表

内容来自可思数据

代码解读 可思数据-AI,智能驾驶,人脸识别,区块链,大数据

因为全部代码有点长,所以抽了一段举个例子,主要思路就是从Mongodb取出指定数据,或者通过$group管道对数据进行处理,最后通过pyecharts生成相应的图表,呈现 可思数据-www.sykv.cn,sykv.com

 内容来自可思数据 
  1. from pymongo import MongoClient 
  2. from pyecharts import Style,GeoLines 
  3.  
  4. def getLines(self): 
  5.    # 连接数据库 
  6.    client = MongoClient('mongodb://localhost:27017') 
  7.    spring = self.client.spring 
  8.    collection = self.spring['orders'] 
  9.     
  10.    # Mongodb的操作,$match-筛选出'from_poi.city.city_name'为'杭州'的文档, 
  11.    # 再通过$group管道,按照目标城市统计出汇总数量 
  12.    line_hangzhou = collection.aggregate([ 
  13.        {'$match': {'from_poi.city.city_name': '杭州'}}, 
  14.        {'$group': {'_id': '$to_poi.city.city_name', 'count': {'$sum': 1}}} 
  15.    ]) 
  16.    # 按照Geolines图表的数据格式格式化数据 
  17.    line_hangzhou_ = [] 
  18.    for line in line_hangzhou: 
  19.        line_hangzhou_.append(["杭州", line['_id'], line['count']]) 
  20.         
  21.    # 创建一个GeoLines图表 
  22.    citylines = GeoLines("春节迁移路线图", **style.init_style) 
  23.    # 添加数据以及样式 
  24.    citylines.add("从杭州出发", 
  25.                  line_hangzhou_, 
  26.                  **geo_style) 
  27.    # 生成html文件 
  28.    citylines.render("results/citylines.html") 

后记 可思数据-AI,人工智能,深度学习,机器学习,神经网络

这是一篇迟到很久的文章,本来没打算再写,但是总觉得下半部分没写完心里有个结,所以还是抽时间补上。另外作为一个非专业技术人员,多记多练免得过几天自己就忘了。 可思数据

网友评论:

发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片

Copyright©2005-2019 Sykv.com 可思数据 版权所有    网站地图   联系我们  

人工智能资讯   人工智能资讯   人工智能资讯   人工智能资讯

扫码入群
咨询反馈
扫码关注

微信公众号

返回顶部