|
作者：刘泽欢
一、背景介绍
共享单车是指企业在校园、地铁站点、公交站点、居民区、商业区、公共服务区等提供自行车单车共享服务，是一种分时租赁模式，是一种新型绿色环保共享经济。
共享单车系统是一种租赁自行车的方法，注册会员、租车、还车都将通过城市中的站点网络自动完成。
使用共享单车，可以注册会员，存入一定金额用于使用结束后自动扣费结算；也可以不注册会员，临时使用后通过其提供的支付方式结算费用。
人们通过下载APP使用这个系统进行扫码开锁取车，然后从取车地骑到自己的目的地后停放锁车归还，系统自动按实际使用时长计费。
二、分析思路
1、共享单车的用户数与哪些因素有关？
2、提取出可以帮助增加用户数的建议。
三、数据理解
数据来源https://www.kaggle.com/c/bike-sharing-demand/data。
数据源中有三个csv文件，分别为：sampleSubmission.csv、test.csv、train.csv，考虑此分析仅做描述性分析，因此只选择train.csv文件的数据集。
train.csv文件是跨越2011-2012年两年的每小时租赁数据，包含天气信息和日期信息，每月只有1-19号的数据，全部数据为10886行12列，各列的字段含义如下：
|
序号
|
字段
|
翻译
|
序列
|
|
1
|
datetime
|
时间
|
|
|
2
|
season
|
季节
|
1，春天；2，夏天；3，秋天；4，冬天
|
|
3
|
holiday
|
假期
|
1，是；0，否
|
|
4
|
workingday
|
工作日
|
1，是；0，否
|
|
5
|
weather
|
天气
|
1，晴天；2，阴天；3，雨雪天；4，恶劣天气
|
|
6
|
temp
|
实际温度
|
|
|
7
|
atemp
|
体感温度
|
|
|
8
|
humidity
|
湿度
|
|
|
9
|
windspeed
|
风速
|
|
|
10
|
casual
|
未注册用户
|
|
|
11
|
registered
|
已注册用户
|
|
|
12
|
count
|
总用户数
|
|
四、数据清洗
数据清洗加工步骤包括：选择字段（全选），字段重命名（按照上文翻译），删除重复值（无），一致化处理（把时间字段分列成“日期”和“时间”），数据排列（无），异常值处理（无）。处理完后导入FineBI共10886条记录。
最终整理数据集如下所示：
五、分析过程
5.1探索用户数与时期因素的关系
分析结论：
①由图1可知，总用户数量在2011-2012这两年内保持持续增长的趋势，并且具有明显的季节周期趋势。
②由图2可知，用户数高峰期在秋季和夏季，其次是冬季，而最少在春季，是因为受春节以及雨季影响。
③由图3可知，用户高峰期出现在5-10月，然后出现下降趋势，同样验证了上述结论中的季节周期趋势。
5.2探索用户数与时间因素的关系
分析结论：
①由图3和图4可知，用户数在工作日分布图中出现两个波峰，对应为上下班时间（早上8点，下午6点），为通勤高峰期；
②在假期，如图5所示，用户数在白天时间段8-18（点）持续上升保持较高数量，夜间持续下降保持较低数量，符合人们白天外出游玩需要用车，夜间休息的生活规律；
③另外，对比可知，注册用户在工作日增多假期减少，非注册用户在假期增多工作日减少。
5.3探索用户数与天气因素的关系
分析结论：
①用户数量随着实际温度升高而逐渐增加，在25-30摄氏度之间达到高峰，而后逐渐减少。
②在晴朗的天气用车人数最多，阴天次之，雨雪天骤降，恶劣天气几乎无人用车。（受天气影响很大）
③用户数量随着体感温度升高而逐渐增加，在0-35度之间达到了峰值，而后逐渐减少。
分析结论：
用户数量在湿度的20-25之间时达到高峰，而后随着湿度增加，用户数量逐渐减少；而用户数在风速0-45之间基本保持平稳，在风速达45之后大起大落，受大风天气影响较明显。
六、结论建议
共享单车由注册用户与非注册用户构成，而主要群体以注册用户为主；共享单车的用户总数主要受季节因素、摄氏度、体感温度、湿度、时刻影响比较明显。根据数据分析提出几个建议：
1、用户总数随时间在持续上升，可以增加共享单车的投放数量以满足业务需求；
2、用户总数在夏季、秋季较多，而在春季较少，可以选择在春季大批量回收车辆进行维修保养；
3、用户总数在工作日的上下班时段达到高峰期，因此在此时间段前进行车辆调度集中投放在地铁口、公交站台、小区出口等附近以供人们方便使用，提高用户量；而在假期，则在白天时刻集中投放在各小区出口、地铁口、景点等附近以供人们方便使用，用以提供用户量；
4、用户总数在温度达到20-25摄氏度之间达到高峰期，因为温度较舒服，人们喜欢骑单车出行，因此在这种天气时增大投放量。
最终仪表板展示：
| 
