這篇博客和美國西雅圖人們使用自行車情況分析與預測（初步）是姊妹篇，是對前一篇博客的延續，更多的背景信息這里不多介紹，可以去以上提到的博客中找到，同樣的所有數據和源代碼都是可以重現的。
和上一篇博客不同的是，這篇博客不在建立模型去預測未來的情況，而是立足于數據，從數據中找出有趣的東西來，換句話說，我們不再像上一篇博客一樣去使用有監督的機器學習方法，取而代之，我們使用無監督的學習方法，類似聚類，把具有相似行為的使用自行車的人們進行聚類，挖掘出一些有趣的玩意。

Part 1: 數據來源

這篇博客和上篇博客使用的數據基本一致，我們可以在github下載，或者我在博客結尾會給出我本人的聯系方式，找我要也行。

%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn; seaborn.set()  # 這是更高級一點的庫，繪圖更酷炫

data = pd.read_csv(r"E:\研究生階段課程作業\python\好玩的數據分析\SeattleBike-master\Fremont_Bridge.csv",index_col = "Date", parse_dates = True)
data.sample(n = 5)   #隨機抽樣5個樣本

隨機抽樣5行數據

data.columns = ["West","East"]   #原來的列名太長，蛋疼，改的簡單一些
data.fillna(0,inplace=True)  #填充null值，用0填充，同時就地填充：就是直接對data進行填充，不用一系列的賦值之類的操作
data['total'] = data.West + data.East  #增加一個新列，計算每個時刻的經過這座橋的自行車總數
![Uploading 5_633120.png . . .]

data.resample('w',how = 'sum').plot()

每周橋上不同方向和總數的自行車數量變化圖

到目前為止，好像和上篇博客沒有什么不同，處理方法也是一致的，好啦，下面開始放大招了

#因為我們想知道人們在不同日期使用自行車的習慣，我們對數據進行透視
data_pivoted = data.pivot_table(values = ["West","East"], index = data.index.date,columns = data.index.hour,fill_value = 0)
data_pivoted.sample(n = 10)

經過透視表操作后的數據

經過處理后的數據列有48維，為了可視化需要，我們對48列進行降維

from sklearn.decomposition import PCA          #使用自帶的pca進行降維
xpca = PCA(n_components = 2).fit_transform(x)    #只保留2維

total_trips = data_pivoted.sum(1)       #計算每一天的經過自行車總數
plt.scatter(xpca[:, 0], xpca[:, 1], c=total_trips,
            cmap='cubehelix')
plt.colorbar(label='total trips');

很明顯，我們可以看出這些數據明顯可以分成兩類，下面要做的就很簡單了，聚類開始登場。首先我們使用kmeans

#首先使用kmeans，聚類的數目為2：
from sklearn.cluster import KMeans
kmeans_model = KMeans(n_clusters=2, random_state=1)
kmeans_model.fit(xpca)
labels = kmeans_model.labels_
#對聚類結果進行可視化
plt.scatter(xpca[:,0],xpca[:,1],c = labels)
plt.colorbar(label='total trips');

kmeans

果然kmeans表現的還是那么菜，聚類的效果并不完美，下面我們使用高斯混合模型聚類

#使用高斯混合模型，進行聚類
from sklearn.mixture import GMM
gmm = GMM(2, covariance_type='full', random_state=0)
gmm.fit(xpca)
cluster_label = gmm.predict(xpca)
plt.scatter(xpca[:, 0], xpca[:, 1], c=cluster_label);

9.png

還是高斯混合模型靠譜啊，多試幾種方法，找出最適合你的方法吧

data_pivoted["Cluster"] = cluster_label
data_new = data.join(data_pivoted["Cluster"],on = data.index.date)  
data_new.sample(10)

增加了一個所屬類別

#對兩個聚類按照時間分別作圖
#data_new_0        #包含cluster為0的所有數據
#data_new_1        #包含cluser為1的所有數據
data_new_0 = data_new[data_new.Cluster == 0]
data_new_1 = data_new[data_new.Cluster == 1]

by_hour_0 = data_new_0.groupby(data_new_0.index.time).mean()
by_hour_1 = data_new_1.groupby(data_new_1.index.time).mean()

by_hour_0[["West","East","total"]].plot()
plt.xlabel("time")
plt.ylabel("mean of bikes")

第一個類中，自行車數量變化圖

這個結果相當耐人尋味，我們可以看到，差不多在早上八點左右，自行車數量到達第一個巔峰，然后下午五點左右，自行車數量到達第二個巔峰。是不是這些日子都是工作日呢，大家騎著自行車去上班，換句話說，第一個聚類難道都是工作日。這個問題有待繼續解答,我們再看第二個聚類的情況.

by_hour_1[["West","East","total"]].plot()
plt.xlabel("time")
plt.ylabel("mean of bikes")

12.png

和第一個聚類相比，這個結果沒有出現明顯的波峰，大約在下午兩年的時候，自行車數量最多，好吧，你肯定在猜測，這些日子是不是周末呢。大家吃過中飯，騎車出來浪呢。為了搞清楚這些疑問，我們計算每個日期對應的星期幾。

plt.scatter(xpca[:,0],xpca[:,1],c = data_pivoted.index.dayofweek,cmap=plt.cm.get_cmap('jet', 7))
cb = plt.colorbar(ticks=range(7))
cb.set_ticklabels(['Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat', 'Sun'])

13.png

我們可以得出這樣的結論，周六和周末，人們對自行車的使用有著很大的相似，而周一到周五人們對自行車的使用也很相似，結合前面的聚類結果
但是我們很奇怪的發現一個現象：有一些工作日的人們表現的和周末很相似，這些特別的日子具體是神馬日子的，是不是節假日，另外和其他的工作日相比,周五表現的和周末很曖昧不清，這我們需要思考
另外在工作日的聚類中，我們發現竟然沒有一個非工作日的(至少從圖中沒有發現特例)，結果真是這樣嗎，我們需要進一步的使用數據進行分析

days = ['Mon', 'Tues', 'Wed', 'Thurs', 'Fri', 'Sat', 'Sun']     #分別對應“dayofweek”:[0,1,2,3,4,5,6]
def get_weekday(index):
    return days[index.dayofweek]
data_new_0["weekday"] = data_new_0.index.map(get_weekday)
data_new_0_exception = data_new_0[data_new_0.weekday.isin(["Sat","Sun"])]#在第一個聚類中，找特例,換句話說，就是找出這樣的周六周末，人們對自行車的使用像工作日一樣
len(data_new_0_exception)   #結果和我們在上圖可視化的結果一樣，沒有一個周六周末，人們使用自行車像工作日一樣
out:0

沒有一個周末，人們使用自行車和工作日一樣，這也能從側面看出，看來美帝真心不加班啊，不像天朝，加班累成狗。

data_new_1['weekday'] = data_new_1.index.map(get_weekday)
data_new_1_exception = data_new_1[data_new_1.weekday.isin(['Mon', 'Tues', 'Wed', 'Thurs', 'Fri'])]#在第2個聚類中，找特例
len(data_new_1_exception):
out:600

倒是有不少天，人們在工作日的時候和周六周末使用自行車的習慣差不多，我們猜測這些工作日很可能是假期，真的是這樣嗎，我們來驗證一下。

date = set(data_new_1_exception.index.date)
#列出從2012-2016年，美國的所有假期
from pandas.tseries.holiday import USFederalHolidayCalendar
cal = USFederalHolidayCalendar()
holidays = cal.holidays('2012', '2016', return_name=True)
holidays_all = pd.concat([holidays,
                         "Day Before " + holidays.shift(-1, 'D'),
                         "Day After " + holidays.shift(1, 'D')])
holidays_all = holidays_all.sort_index()
holidays_all.ix[(date)]

不出意外，這些表現反常的工作日，全部都在假期中。大家都放假了，當然開始騎車去浪了

最后一個問題，為什么周五的數據，可視化的時候，有幾個點表現的特別反常，這幾天究竟發生了什么

fri_day = (data_pivoted.index.dayofweek == 4)   #周5為true，其他為false
plt.scatter(xpca[:, 0], xpca[:, 1], c='gray', alpha=0.2)
plt.scatter(xpca[fri_day, 0], xpca[fri_day, 1], c='yellow');

15.png

weird_fridays = pivoted.index[fridays & (Xpca[:, 0] < -600)]weird_fridays
weird_fridays
out: Index([2013-05-17, 2014-05-16, 2015-05-15], dtype='object')

果然是，周五的這幾個奇異點，果然有情況，我查閱了一下資料，這三天是一年一度的
自行車日。。。。。果然沒有無緣無故的愛

總結

關于西雅圖市人們使用自行車習慣的數據分析到此就結束了，數據蘊含著很多信息等待我們去挖掘。英文過得去的話，建議直接看原文章，如果有不懂的話，再結合這中文譯文進行參照，如果你對python和機器學習，數據挖掘等感興趣，我們也可以一起學習，一起分享好玩的文章。

QQ 1527927373
EMAIL 1527927373@qq.com