用Python解码20万条公交数据城市通勤的隐藏剧本清晨6:30的公交车上总能看到睡眼惺忪的上班族和学生晚高峰的车厢里挤满了疲惫却归心似箭的身影。这些看似普通的日常场景背后其实藏着整个城市的脉搏节奏。当我拿到这份包含20万条记录的公交IC卡数据集时就像获得了一本记录城市生活的密码本。1. 数据背后的城市画像在开始分析前我们需要先理解数据的结构。这份数据集包含以下关键字段字段名称数据类型说明交易时间datetime精确到秒的刷卡时间线路号int公交线路唯一标识车辆编号string车辆的唯一编码驾驶员编号string司机的工号上车站点int站点编号下车站点int站点编号数据清洗是第一步我们需要处理可能的异常值import pandas as pd import matplotlib.pyplot as plt # 加载数据并转换时间格式 df pd.read_csv(ICData.csv, parse_dates[交易时间]) print(f原始数据量{len(df)}条) # 基础数据清洗 df df.dropna() # 删除空值 df df[df[上车站点] ! df[下车站点]] # 排除上下车相同的异常记录 print(f清洗后数据量{len(df)}条)提示实际项目中建议保留原始数据的副本所有清洗操作在新的DataFrame上进行2. 城市的时间生物学将时间维度拆解后我们发现了有趣的通勤模式。首先看看全天的乘车分布# 提取小时信息 df[小时] df[交易时间].dt.hour # 按小时统计乘车量 hourly_counts df.groupby(小时).size() # 绘制24小时乘车曲线 plt.figure(figsize(12,6)) hourly_counts.plot(kindline, markero, color#3498db) plt.title(24小时公交乘车量变化, fontsize15) plt.xlabel(小时, fontsize12) plt.ylabel(乘车人次, fontsize12) plt.grid(alpha0.3) plt.xticks(range(24)) plt.show()分析结果揭示了几个人流高峰早高峰7:00-9:00最高峰在8:00午间小高峰12:00-13:00晚高峰17:00-19:00最高峰在18:00通勤距离分析也很有意思。我们计算了不同时段的平均乘车站数时间段平均乘车站数标准差早高峰5.2站±2.1晚高峰4.8站±1.9平峰期3.5站±1.7这个差异可能意味着早上的通勤者倾向于一次性到达较远的工作地点而晚间可能包含更多短途的购物或社交出行。3. 线路与车辆的运营密码哪些线路最繁忙我们找出了载客量TOP10的线路# 统计线路载客量 line_counts df[线路号].value_counts().head(10) # 可视化结果 plt.figure(figsize(10,6)) line_counts.plot(kindbarh, color#2ecc71) plt.title(载客量TOP10公交线路, fontsize15) plt.xlabel(载客量, fontsize12) plt.ylabel(线路编号, fontsize12) plt.gca().invert_yaxis() # 让最大值在上方 plt.show()线路运营效率分析更值得关注。我们计算了各线路的平均载客量与其运营车辆数的比值# 计算每条线路的独特车辆数 line_vehicle_counts df.groupby(线路号)[车辆编号].nunique() # 计算线路效率 line_efficiency line_counts / line_vehicle_counts[line_counts.index] line_efficiency line_efficiency.sort_values(ascendingFalse).head(10)注意高效率线路可能需要增加班次而低效率线路可能需要优化路线或调整发车间隔4. 从数据到故事的可视化技巧好的可视化能让数据自己讲故事。以下是几个实用技巧热力图展示时空分布import seaborn as sns # 创建小时-线路矩阵 heatmap_data df.groupby([小时, 线路号]).size().unstack() # 绘制热力图 plt.figure(figsize(16,8)) sns.heatmap(heatmap_data.fillna(0), cmapYlOrRd, cbar_kws{label: 乘车人次}) plt.title(不同线路各时段乘车热度, fontsize15) plt.xlabel(线路编号, fontsize12) plt.ylabel(小时, fontsize12) plt.show()动态可视化使用Plotly实现交互式图表import plotly.express as px # 创建按小时变化的线路载客量动画 hourly_line_counts df.groupby([小时, 线路号]).size().reset_index(name人次) fig px.scatter(hourly_line_counts, x线路号, y人次, animation_frame小时, size人次, color线路号, range_y[0, hourly_line_counts[人次].max()*1.1]) fig.update_layout(title线路载客量随时间变化) fig.show()在实际项目中我发现最有效的分析往往来自多个角度的交叉验证。比如将线路热度与周边POI兴趣点数据结合或者对比天气数据与乘车量变化。这些公交数据不只是数字它们是城市居民生活方式的数字化投影。