一、項目說明
該項目來源於Kaggle，旨在建模來預測紐約出租車在行程中的總行駛時間。
在建模預測的過程中，我們可以順便探索紐約市民打車出行習慣及其他有效信息。
附kaggle項目鏈接 https://www.kaggle.com/c/nyc-taxi-trip-duration/overview
【注】CDSN博客編輯器體驗不佳，本文排版格式失效且圖片丟失。
如需美觀及完整，敬請移步知乎專欄。鏈接：https://zhuanlan.zhihu.com/p/65488432
本文原定內容結構說明：
1、先參考簡書帖子《紐約出租車大數據探索》完成一部分探索，帖子沒有源代碼，所以我會根據帖子思路，自行寫出代碼。帖子網址 https://www.jianshu.com/p/1da53849a314
2、按照帖子文末提出的可以進一步拓展的探索方向，自行深入探索。
3、kaggle比賽目標之預測行程持續時間，另外再開帖子敘述。本文不贅述。
本文分析的技術實現過程，已發佈至個人CDNS博客，詳見：
《【Python】New York City Taxi Trip Duration紐約出租車大數據探索（技術實現過程）》
https://blog.csdn.net/weixin_44216391/article/details/90115972
二、探索分析
帖子的結構爲五部分：
1、提出問題— 2、理解數據— 3、數據清理— 4、數據分析— 5、得出結論
（一）、提出問題（根據已有數據分析）
（1）何時爲打車需求高發期？
（2）居民夜生活活躍情況？
（3）城市一天的什麼時候最爲擁堵？
（4）什麼時間容易接到長途單？
（二）、理解數據（表單說明）
id - 每次行程的唯一ID
vendor_id - 行程提供者的ID
pickup_datetime - 上車的日期和時間
dropoff_datetime - 停表的日期和時間
passenger_count - 車輛中的乘客數量（駕駛員輸入值）
pickup_longitude - 上車的經度
pickup_latitude - 上車的緯度
dropoff_longitude - 下車經度
dropoff_latitude - 下車的緯度
store_and_fwd_flag - 行程記錄是否爲存儲轉發（或是直接發送）-- Y =存儲和轉發 N =沒有存儲
trip_duration - 行程持續時間（秒）
（三）、數據清理
詳見對應的技術實現帖子：
《【Python】New York City Taxi Trip Duration紐約出租車大數據探索（技術實現過程）》
https://blog.csdn.net/weixin_44216391/article/details/90115972
基本確定，數據比較完整。看Kaggle官網也說了，因爲是playground項目，所以已經把數據cleaned了。
（四）、 數據分析與可視化
（1）何時爲打車需求高發期？
（2）居民夜生活活躍情況？
（3）城市一天的什麼時候最爲擁堵？
（4）什麼時間容易接到長途單？
分析一：何時爲打車需求高發期？
分析所需數據維度：新增月標識、周標識、日標識、時間點標識（詳見技術帖）
分析所用到的工具：seaborn可視化、map/apply函數、datetime、lambda、groupby、reset_index()、rename、plt.subplot、sns.swarmplot、sns.boxplot、sns.stripplot等。
1、整體趨勢分析
見下圖：
從趨勢來說，2016年1~6月整體打車時長一直呈增長狀態，可能用戶逐漸習慣了更遠距離也打車，也可能是，路面行駛的車輛越來越多或天氣不好引發交通擁塞。
其中，3月-5月訂單數量屬於六個月中最高的三個月，但是整體下降趨勢。1月下旬和5月底有異常點，這兩天打車人數特別少，可能是當天發生了什麼重大事故，或者是重大節日不出行。
從日折線圖來看，忽略23號和31號兩個異常點，整體訂單數量隨日期變化呈現規律波動，看似週期爲7天（一個星期），據此推測訂單數量可能與星期幾有關。
2、分析異常值
從圖"Date Trip Time"可以定義異常值臨界點爲6000，將低於6000的異常值篩選出來。找出異常的日期是1月23日，1月24日，5月30日。
分析其原因。根據當日美國新聞：
(1)美遭暴風雪襲擊 紐約時報廣場飛雪飄零_網易新聞
2016-1-24 · 當地時間2016年1月23日，美國紐約，美國遭遇暴雪天氣，暴雪中的時報廣場。
(2)陣亡將士紀念日 (5月的最後一個星期一)
中新網5月30日電 據美媒報道，美國迎來“國殤日”長週末，標誌着夏季的正式開始。
3、分析訂單數量可能和星期幾有關
（1）下圖分別爲各月1-31日訂單總量與乘車人數
兩張圖展示了在2016年1月1日至2016年6月30日這半年內，六個月1~31日的每日訂單總量、每日平均乘車人數隨日期的波動。
兩張圖（每日訂單數量/乘車次數與日平均乘車人數）的趨勢驚人地一致。這說明在週期的某一階段，不僅訂單數量增多，而且人們偏向於結伴出行。
（2）下圖爲週一至週日打車次數/訂單數量
明顯週日週一打車次數最低，週五至週六打車次數最高。可能週四至週六市民出行意願更高。
另外發現,週日打車次數/訂單數量在100-300區間內明顯比周一至週六多，這裏可能蘊含一些信息，待挖掘。
（3）下圖爲週一至週日乘車人數
可見，週六週日拼車人數較多。
4、分析訂單數量可能和當日哪個時間點有關
（1）當日內0點至24點乘車次數/訂單數量
1）全天候分析：
凌晨一點開始至凌晨五點，訂單數量急劇下降，符合人羣休息規律。
從早6點開始，訂單量由谷底回升，早7點至早9點有一個早高峯。
在早8點到下午5點之間有輕微波動不明顯。早10點和下午4點均有一個輕微的走低點。
原因推測：
① 市民上班的出行需求被公共交通、私家車等分擔，不會偏好於出租車出行；
② 假設通勤時間1小時，則基本可確定八點至十點是上班時間小集中的時間段。（此結論與原貼不一致，甚至有輕微相反。）
③ 早八點和下午四點這兩個時間點，人羣在公司開會尚未外出（早）或已在出差公司開會還未散會（下午四點）。
2）晚高峯表現顯著：
從晚6點開始訂單量有大規模增長，約晚7點進入打車最高峯，且在23點之前的平均打車量均維持較高水平，高於白天時段。
原因推測：
① 相比於白天，市民在晚上外出活動時更偏向於出租車出行。有可能逐漸下班。
② 也猜測晚間時間家庭出行或約伴出行，下面通過乘車人數認證後發現該假設並不成立。
3）下午時段，四點左右出現訂單量回落。
原因推測：①司機交班；②道路擁堵；③出差人羣在出差公司開會還未散會下班。
（2）當日內0點至24點乘車人數
前面猜測晚間時間家庭出行或約伴出行，這裏乘車人數在晚間並無明顯變化，故前面猜測不成立。
反而發現凌晨2點至5點訂單乘車人數較爲分散，既有較多人（約伴），也有較少人（單人）的情況。
早5點-8點之間，每個訂單乘車人數全日最低（boxplot比較清晰，stripplot沒那麼清晰，下圖是stripplot），恰好又是上班時間，預計是單人上班打車情況較多。
（3）當日內0點至24點打車行程時間分佈
一開始發現三個異常值干擾觀察，嘗試增加boxplot函數中參數y的重新賦值來忽略異常值（week_avg_trip_dur>8000）。——下圖爲已修正三個異常值。
白天早9點至下午5點，行車時間較長，據此可以推測白天這個時間段道路較爲擁塞。
凌晨2點至5點，基本可以排除擁塞影響，行程時間長短可近似等同於距離長短。且分佈在箱盒之外的長行車時間較多，據此推測：凌晨2點至5點這個時間段接到長距離行程單的機會比其他時間段多很多。
分析二：居民夜生活活躍情況？
訂單數量在晚8點至凌晨1點均維持較高水平，從凌晨1點開始，訂單量斷崖式下跌，這一下跌持續到約早5點，早5點是一天內訂單量最低的時刻。
說明紐約市民夜生活活躍情況：
（1）第一種可能：下午/晚上下班後約伴交友燈紅酒綠夜夜笙歌，至凌晨1點方歇。
（2）當然，也有第二種可能是：晚晚加班。白天會議下午法定下班時間後，纔是晚間工作的開始，然後陸陸續續持續到凌晨十二點/一點。
從國情看，紐約的第一種可能性高一些；而第二種則在中國一線城市發生的概率比率高一些。
分析三： 城市的一天什麼時候最爲擁堵？
第一個思路（如下圖）：
從前面分析第一部分的“當日內0點至24點打車行程時間分佈”初步推測：
白天早9點至下午5點，行車時間較長，據此可以推測白天這個時間段道路較爲擁塞。
第二個思路（待挖掘）：
先通過上下車地點經緯度計算行程距離，再用行程距離/行程時間得出行車均速。行程均速可體現道路暢通擁堵程度。
該思路方法暫時擱置，容後看情況再補充。
分析四：什麼時間容易接到長途單?
接單時間和訂單行程時間/路程距離是否有關係呢？接下來進入分析。
前面已經繪出一日內0點至24點的平均行程時間，我們這裏重新引用：
凌晨2點至5點，基本可以排除擁塞影響，行程時間長短可近似等同於距離長短。且分佈在箱盒之外的長行車時間較多，據此推測：凌晨2點至5點這個時間段接到長距離行程單的機會比其他時間段多很多。
（五）數據探索結論
定位出租車司機最佳pickup時點爲早7點至早9點及晚6點至晚12點。如需長途訂單，可養足精神在凌晨接單。
三、總結
分析到此告一段落。當然，雖然數據量不多，但是還可以挖掘更細緻的城市出行行爲等信息。例如，
可以分析哪些時段的哪些區域更容易發生訂單，人羣一般從哪些地方去往哪些地方——這對出租調度來說是個有效數據。
從暴雪帶來的異常值可以推測，天氣與訂單量是有密切關係的，根據日期對應天氣數據，可以進一步分析天氣與訂單量的影響。
結合位置數據，還可以分析哪些區域受天氣的影響較大，等等。
————————————————
版權聲明：本文爲CSDN博主「SophiaSSSSS」的原創文章，遵循 CC 4.0 BY-SA 版權協議，轉載請附上原文出處鏈接及本聲明。
原文鏈接：https://blog.csdn.net/weixin_44216391/article/details/90142114