Python数据分析实战：共享单车使用规律研究-代码聚汇网

Python数据分析实战：共享单车使用规律研究

王少冬·2026-06-22·阅读 33 GEO检测（免费）

Python数据分析共享单车时空特征

|难度：普通|阅读约 15 分钟

1. 项目概述

这个共享单车数据分析项目源于我在完成毕业设计时的实际需求。当时我发现，虽然共享单车已经深入城市生活的方方面面，但关于其使用规律的量化研究却相对匮乏。于是，我决定利用2017年5月北京地区的共享单车订单数据，通过Python数据分析技术，揭示用户使用行为的时空特征。

这个项目特别适合以下几类读者：

正在寻找数据分析项目灵感的学生
希望了解共享单车运营规律的从业者
对城市交通数据分析感兴趣的开发者
需要完成类似毕业设计的同学

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 数据准备与预处理

2.1 数据来源与结构

原始数据来自2017年5月10日至24日北京地区的共享单车订单记录，包含以下关键字段：

用户ID(userid)
订单ID(orderid)
开始时间(starttime)
结束时间(endtime)
起始位置(geohashed_start_loc)
结束位置(geohashed_end_loc)

数据量较大，完整记录超过100万条。为便于分析，我首先对数据进行抽样处理，提取了连续7天(5月10-16日)数据的1%作为分析样本。

2.2 数据清洗与转换

数据预处理是分析的关键环节，我主要进行了以下处理：

python复制import pandas as pd
import geohash as gh
from geopy import distance

# 读取数据
df = pd.read_csv("train.csv", encoding="gbk")

# 时间处理
df['startdate'] = df['starttime'].str.split(' ').str[0]
df['hour'] = df['starttime'].str.split(' ').str[1].str[:2]

# 地理编码转换
def decode_geohash(geohash):
    try:
        return gh.decode(geohash)
    except:
        return (None, None)
        
df['start_latlon'] = df['geohashed_start_loc'].apply(decode_geohash)
df['end_latlon'] = df['geohashed_end_loc'].apply(decode_geohash)

# 计算骑行距离
def calc_distance(row):
    try:
        return distance.distance(row['start_latlon'], row['end_latlon']).km
    except:
        return 0
        
df['distance'] = df.apply(calc_distance, axis=1)

注意：geohash编码精度会影响距离计算的准确性。当编码长度为7位时，850米以内的距离难以精确区分，这部分数据在分析时需要特别处理。

3. 时间维度分析

3.1 日使用量对比

通过对7天数据的统计分析，我发现工作日和周末的使用模式存在显著差异：

工作日平均使用量占比54.23%
周末平均使用量占比45.77%
使用量整体呈稳步增长趋势

python复制# 按日期分组统计
daily_counts = df.groupby('startdate')['orderid'].count()

# 工作日与周末对比
workdays = ['2017-05-10','2017-05-11','2017-05-12','2017-05-15','2017-05-16']
weekends = ['2017-05-13','2017-05-14']

workday_avg = daily_counts[workdays].mean()
weekend_avg = daily_counts[weekends].mean()

3.2 小时级使用模式

更深入的小时级分析揭示了更有价值的规律：

工作日特征：

早高峰：7-9点
午间小高峰：11-13点
晚高峰：17-19点
通勤特征明显

周末特征：

使用量分布平缓：8-21点
午晚小高峰：11-12点和17-19点
休闲出行特征明显

python复制# 小时级使用量统计
hourly_counts = df.groupby(['startdate','hour'])['orderid'].count().unstack()

# 可视化代码示例
import matplotlib.pyplot as plt

plt.figure(figsize=(12,6))
for day in workdays[:3]:
    plt.plot(hourly_counts.loc[day], label=day)
plt.title('Workday Usage Pattern')
plt.legend()
plt.show()

实操心得：时间分析时要注意时区问题。原始数据中的时间戳是UTC+8时区，如果数据来自不同地区，必须统一时区处理。

4. 空间维度分析

4.1 骑行距离分布

骑行距离分析揭示了共享单车的主要服务半径：

小于1公里：占比52.3%
1-2公里：占比34.7%
2-3公里：占比9.5%
大于3公里：占比3.5%

这一分布验证了共享单车作为"最后一公里"解决方案的定位。

python复制# 距离分组统计
bins = [0,1,2,3,10]
labels = ['<1km','1-2km','2-3km','>3km']
df['distance_group'] = pd.cut(df['distance'], bins=bins, labels=labels)
distance_dist = df['distance_group'].value_counts(normalize=True)

4.2 潮汐现象分析

早晚高峰期间，单车呈现明显的单向流动特征：

早高峰(7-9点)：

从居民区向商务区集中
主要流向：西北向东南

晚高峰(17-19点)：

从商务区向居民区回流
主要流向：东南向西北

这种潮汐现象导致某些区域在特定时段出现车辆供需失衡。

python复制# 空间热点分析
morning_df = df[(df['hour'] >= '07') & (df['hour'] <= '09')]
evening_df = df[(df['hour'] >= '17') & (df['hour'] <= '19')]

# 使用folium绘制热力图
import folium
from folium.plugins import HeatMap

m = folium.Map(location=[39.9, 116.4], zoom_start=12)
heat_data = [[row['start_latlon'][0], row['start_latlon'][1]] for _,row in morning_df.iterrows()]
HeatMap(heat_data).add_to(m)
m.save('morning_hotspots.html')

5. 用户行为分析

5.1 使用频次分布

用户使用频次呈现长尾分布：

1-3次：48.2%
4-6次：21.5%
7-10次：12.3%
10次：18.0%

工作日和周末的频次分布也有差异：

工作日：平均频次更高
周末：低频次用户占比更大

python复制# 用户频次统计
user_freq = df.groupby('userid')['orderid'].count()

# 频次分组
freq_groups = pd.cut(user_freq, bins=[0,3,6,10,100], 
                    labels=['1-3次','4-6次','7-10次','>10次'])
freq_dist = freq_groups.value_counts(normalize=True)

5.2 用户粘性分析

定义高粘性用户为：

工作日使用6次及以上
周末使用3次及以上

分析发现：

高粘性用户占比约30%
这类用户贡献了约60%的订单量
主要特征是通勤刚需用户

python复制# 识别高粘性用户
heavy_users = user_freq[user_freq >= 6].index
heavy_user_orders = df[df['userid'].isin(heavy_users)].shape[0]
total_orders = df.shape[0]
heavy_user_ratio = heavy_user_orders / total_orders

6. 运营优化建议

基于上述分析，我提出以下优化建议：

6.1 动态调度策略

预测需求热点：
- 工作日早高峰前向商务区预调度
- 工作日晚高峰前向居民区预调度
- 周末午晚时段向餐饮集中区调度
路线优化：

python复制# 调度路线算法示例
def optimize_routing(start_points, end_points, n_bikes):
    # 使用贪心算法匹配供需
    matched_pairs = []
    while start_points and end_points and n_bikes >0:
        best_pair = find_closest_pair(start_points, end_points)
        matched_pairs.append(best_pair)
        n_bikes -= 1
    return matched_pairs

6.2 用户激励措施

通勤套餐：
- 工作日包周/包月优惠
- 高峰时段奖励骑行
推荐系统：

python复制# 简单的协同过滤推荐
from sklearn.neighbors import NearestNeighbors

def recommend_users(target_user, user_features, n=5):
    nn = NearestNeighbors(n_neighbors=n)
    nn.fit(user_features)
    distances, indices = nn.kneighbors([target_user])
    return indices[0]

7. 项目扩展方向

这个项目还有多个可以深入的方向：

天气因素分析：
- 结合气象数据，分析不同天气条件下的使用模式
定价策略优化：
- 基于供需关系的动态定价模型
车辆维护预测：
- 基于使用频率预测车辆维护周期

python复制# 维护预测模型示例
from sklearn.ensemble import RandomForestRegressor

def predict_maintenance(usage_data):
    X = usage_data[['ride_count','distance_sum','user_count']]
    y = usage_data['maintenance_flag']
    model = RandomForestRegressor()
    model.fit(X, y)
    return model

在实际操作中，我发现共享单车数据分析最关键的三个要点是：数据质量、特征工程和业务理解。特别是在处理地理空间数据时，坐标系的统一和距离计算的准确性会直接影响分析结果。另外，这个项目让我深刻体会到，好的数据分析不仅要发现规律，更要能为业务决策提供 actionable insights。