[[427968]]

最近一直在想怎么分析一下個(gè)人的行程數(shù)據(jù)，看看能夠從行程數(shù)據(jù)里面分析出點(diǎn)什么來(lái)。最開始我的期望還是蠻高的，有如下的一些預(yù)期：

• 根據(jù)出行時(shí)間范圍，可以基本確定他的生活節(jié)奏，工作強(qiáng)度
• 能夠通過(guò)行程時(shí)間范圍來(lái)猜測(cè)汽車尾號(hào)
• 根據(jù)出行的耗時(shí)歷史來(lái)建議出行時(shí)間

如果能夠分析得到這些信息，感覺(jué)還是蠻有意思的，于是開始自己動(dòng)手，第一個(gè)問(wèn)題就是數(shù)據(jù)源，導(dǎo)航軟件目前還不提供行程數(shù)據(jù)的導(dǎo)出，所以我是把7-8兩個(gè)月的行程數(shù)據(jù)逐個(gè)照著導(dǎo)航行程整理出來(lái)了，大體的數(shù)據(jù)情況還可以，不過(guò)其中有些數(shù)據(jù)做了額外處理，比如時(shí)間的處理，因?yàn)槭侨绻?:15，那么按照數(shù)字化顯示就不能是7.15，而更合理的顯示是7.4，還有行程時(shí)間，比如1:30，是需要統(tǒng)一按照分鐘90分鐘來(lái)整合的，整理后得到的數(shù)據(jù)如下：

首先我按照時(shí)間做了對(duì)行程的耗時(shí)做了分析，結(jié)果發(fā)現(xiàn)這個(gè)數(shù)據(jù)似乎不大理想，本來(lái)預(yù)期是比較穩(wěn)定的，還打算按照這個(gè)數(shù)據(jù)做下預(yù)測(cè)。

這種情況下就得換一個(gè)思路了，先看看數(shù)據(jù)的整體分布，使用條形圖其實(shí)是不好體現(xiàn)數(shù)據(jù)的分布情況，因?yàn)橛行┬谐讨g是沒(méi)有直接關(guān)聯(lián)的，比如早上和晚上的行程，因?yàn)闀r(shí)間的差異，條形圖的模式反而會(huì)有很大的抖動(dòng)。

如下是按照行程的耗時(shí)分布圖：

如下是行程出發(fā)時(shí)間的分布情況，基本上來(lái)說(shuō)都是在6:30~7:00之間開始出發(fā)，晚上基本在20:00左右返程。

如下是按照周一到周日的行程耗時(shí)分布，可以明顯看到周二的行程分布要少很多，還不如周六，周日的多，所以從這一點(diǎn)是可以猜出來(lái)很可能是因?yàn)橄尢?hào)。

當(dāng)然前面提到了兩個(gè)指標(biāo)，一個(gè)是行程耗時(shí)，一個(gè)是出發(fā)時(shí)間，還有一個(gè)是路程，因?yàn)槁烦毯秃臅r(shí)兩者是有一定關(guān)聯(lián)，但是折算下來(lái)一個(gè)折中的指標(biāo)就是平均速度。所以按照平均速度的分布情況來(lái)看，周一和周五是最堵的，相對(duì)周四和周六是最通暢的。

我們區(qū)別于一般的可視化，引入箱線圖，可以看到平均行程的耗時(shí)在45分鐘左右，區(qū)間基本在30-60分鐘之間。

其實(shí)數(shù)據(jù)分析到了這里，還是有很大差異的，雖然或多或少的分析出來(lái)了一些內(nèi)容，但是有些指標(biāo)還是沒(méi)有充分使用到，而且顯示的指標(biāo)情況還是不夠清晰，所以打算使用seaborn進(jìn)一步做下調(diào)整。

如下是行程距離，行程耗時(shí)和星期數(shù)的綜合分布圖。

如下是星期和行程耗時(shí)的分布圖，相比之前的分布圖來(lái)說(shuō)會(huì)更加清晰一些。

我們繼續(xù)引入平均速度，出發(fā)時(shí)間和星期數(shù)進(jìn)行關(guān)聯(lián)，可以看到整個(gè)行程會(huì)有明顯的分水嶺，早間和晚間基本堵是工作日，而其他的時(shí)間基本都是周末。

而要進(jìn)一步探索這些數(shù)據(jù)指標(biāo)間的關(guān)聯(lián)，就需要引入略復(fù)雜的圖PairGrid，可以把多個(gè)指標(biāo)都放入，可以生成多個(gè)維度的分布圖。

接下來(lái)需要對(duì)數(shù)據(jù)的指標(biāo)情況進(jìn)一步分析，引入檢驗(yàn)和預(yù)測(cè)的功能。

本文轉(zhuǎn)載自微信公眾號(hào)「楊建榮的學(xué)習(xí)筆記」，可以通過(guò)以下二維碼關(guān)注。轉(zhuǎn)載本文請(qǐng)聯(lián)系楊建榮的學(xué)習(xí)筆記公眾號(hào)。