轉(zhuǎn)載請在文章起始處注明出處，謝謝。
數(shù)據(jù)來源：kaggle提供的一份2011-2012的共享單車的數(shù)據(jù)
datetime : 日期
season : 季節(jié)，1—4分別代表春夏秋冬
holiday : 是否是假期，0代表否，1代表是（注意，假期區(qū)別于周末，類似于節(jié)假日，如圣誕節(jié)）
workingday: 是否是工作日，0代表否，1代表是
weather : 天氣情況，可以理解為從1—4分別代表天氣越來越惡劣的情況
temp : 溫度
atemp : 體感溫度
humidity : 濕度
windspeed : 風(fēng)速情況
casual : 非注冊用戶數(shù)
registered: 注冊用戶數(shù)
count : 總用戶數(shù)
先觀測下數(shù)據(jù)的類型
數(shù)據(jù)沒有缺失，datetime是一個文本格式，需要轉(zhuǎn)換下。
分析思路：圍繞各項因素對租賃總數(shù)的影響作分析，劃分為三個階段：按時間的維度、按環(huán)境天氣等外在因素，最后再分析不同用戶之間的關(guān)系。
清洗后的數(shù)據(jù)：
計算相關(guān)系數(shù)，這里只比較與count租賃總數(shù)的相關(guān)性，所以我們提取出計算后count一列。
根據(jù)計算的相關(guān)系數(shù)可以發(fā)現(xiàn)，溫度和體感溫度對租賃總數(shù)的影響較大且系數(shù)接近呈正相關(guān)，濕度對租賃總數(shù)的影響也很大但呈現(xiàn)的是負相關(guān)。此外季節(jié)，天氣，風(fēng)速對租賃的總數(shù)也有影響，節(jié)假日和工作日的影響最小。
首先我們先根據(jù)時間的維度來分析在不同特征下對租賃總數(shù)的影響
2012年的共享單車總用戶數(shù)和注冊用戶數(shù)都有明顯提升，未注冊用戶數(shù)略有增幅。
細化時間維度，按月和按各時間段：
觀察‘month’圖可知，一月份的租賃總數(shù)最少，隨著月份的增加，count逐漸增大，到6月份時到達頂峰， 隨后平穩(wěn)緩緩地遞減，到年末時租賃總數(shù)降至180左右，不妨接下來畫下季節(jié)與租賃總數(shù)的圖結(jié)合分析下。
觀察‘hour’圖可知，有兩個高峰期租賃的總數(shù)最多，分別是早上8點和下午的5點，這是上下班的高峰期， 凌晨的時間段最少，白天的時間段相對高峰期較少且相對平穩(wěn)，可通過引入節(jié)假日holiday和星期weekday
兩個離散變量分別觀測下情況。
根據(jù)季節(jié)特征分別觀測下對租賃總數(shù)的影響，season :1—4分別代表春夏秋冬
與按月份分析的圖表相呼應(yīng)，季節(jié)的特征表現(xiàn)在：春天也就是年初時租賃的總數(shù)最少，隨后隨著天氣變暖， 騎車的人數(shù)開始增多。夏天和秋天也就是6月到10月份租賃總數(shù)最多，隨著天氣變冷總數(shù)又慢慢下降。
承接‘hour’圖，對于引入的節(jié)假日和星期日我們先簡單做下分析
holiday : 區(qū)別于周末，0代表否，1代表是
接下來，我們通過引入holiday和weekday第三個變量來觀測下全天各時間段的租賃總數(shù)。
由圖一可知，上下班的高峰期非節(jié)假日的租賃總數(shù)是遠高于節(jié)假日的，而午后則是低于節(jié)假日，其余 時間段相差不大，與我們的認知相符，節(jié)假日大家在家休息，沒有上下班的高峰期，到了下午則約小伙伴出去玩，租賃總數(shù)上升。
由圖二可知，圖形的走勢與圖一類似，工作日的時候上下班高峰期租賃多，周末則是其余白天時間段租的比較多，符合人們的出行規(guī)律。
接下來，我們按照天氣狀況的維度具體分析下對租賃總數(shù)的影響，weather ：從1—4分別代表天氣越來越惡劣的情況
可以看出，單車租賃數(shù)受天氣影響變化明顯，天氣越差，租的人越少，極端天氣4樣本數(shù)不足，單獨選取出來觀察下
極端天氣的情況在選取的整個樣本中只出現(xiàn)了一次，統(tǒng)計時間段為晚上6點，平均值根據(jù)之前分析的結(jié)果看，在周一上下班高峰的情況下，顯得虛高，不具備代表性。但總體根據(jù)走勢，租賃數(shù)應(yīng)該最低的，畢竟極端天氣騎單車出行不太安全。
溫度、濕度等因素在一開始我們已經(jīng)做了簡單的相關(guān)性分析，可直接選擇作圖建立線性回歸模型直觀地比較下。
接下來我們具體分析下溫度等各項指標對租賃總數(shù)的影響
根據(jù)溫度圖顯示，隨著溫度的升高，租賃數(shù)也在提高，在35℃左右時，到達最最大值，然后隨著溫度的繼續(xù) 升高租賃數(shù)加速下降。確實，天氣晴朗溫度適宜的話騎車的人會變多，而到40℃時人們都不愿出門。
濕度的圖表顯示，濕度在20左右時，租賃總數(shù)最多，隨著濕度的增大而減小。
風(fēng)速表中，租賃數(shù)在正常風(fēng)的影響下 變化不是很大，在風(fēng)速繼續(xù)變大的情況下出現(xiàn)波動，租賃數(shù)量減少，50后面又升高應(yīng)該是收到了異常值的干擾。風(fēng)速表顯示，只要不是特別大的狂風(fēng)，人們還是愿意騎車的，至少表明了風(fēng)速不是主要的影響因素。
在文章的開頭，我們從較大的時間維度計算出了2011年與2012年未注冊用戶，注冊用戶和總用戶數(shù)的各項值，因而
針對不同的用戶群體我們可以繼續(xù)細化下時間維度，觀察下他們之間的微妙的變動情況，租賃總數(shù)count我們之前已
經(jīng)根據(jù)各項指標分析過了，所以接下來我們只分析未注冊用戶（casual）和注冊用戶（registered）之間的情況。
按月分組我們可以看出非注冊用戶租賃數(shù)呈現(xiàn)一個正態(tài)分布的圖形，結(jié)合注冊用戶再觀察，夏天時兩者需求都增高；按星期數(shù)我們發(fā)現(xiàn)，注冊用戶在工作日的時候租得多，周末則租的少，反觀非注冊用戶則與之相反，結(jié)合實際可解釋其原因，注冊用戶工作日天數(shù)多，騎車次數(shù)也多，所以注冊會員比較方便，而非注冊用戶只需周末兩天出門騎或者偶爾租賃；按照時間段的圖，我們也能看出，注冊用戶上下班的點用的很多，非注冊用戶全天時間段都相對平緩，從而也能側(cè)面印證之前的結(jié)論。
總結(jié)：
1、全年租賃總數(shù)較往年增長明顯，共享單車越來越為人們所接受，用戶群體正在擴大。
2、春天及年初時租賃人數(shù)最少，夏天秋天時最多，冬天相對較少。
3、工作日時，上下班高峰期租賃總數(shù)最多。周末及節(jié)假日時，午后時間段租賃人數(shù)最多。
4、溫度在35，濕度在20左右時，租賃總數(shù)最多，可加大投放量。風(fēng)速沒有明顯的影響。
5、注冊用戶在工作日的租賃數(shù)大于周末，非注冊用戶則相反。租賃時間點與3分析情況一致。
