数据分析过程练习

让我们通过对数据分析过程的每一步提问，来了解所有步骤。我们将使用来自 Kaggle 的单车共享需求竞赛的数据。此数据集给出了自华盛顿特区实施“首都共享单车”计划以来的两年，自行车的每小时租金数据。下面是此数据前 5 行的屏幕截图。 注意： 此数据集做了轻微修改。

使用下表来帮助你回答第一个问题。每个特征都是数据集中的一列。

1 = 晴朗、少云、局部多云

2 = 薄雾 + 多云、薄雾 + 碎云、薄雾 + 少云、薄雾

3 = 小雪、小雨 + 雷雨 + 散云、小雨 + 散云

4 = 大雨 + 冰粒 + 雷雨 + 薄雾、雪 + 大雾

根据上面给出的有可能影响每小时租用自行车数量的变量数据，可以提出哪些相关问题？（可多选）

哪些属性在预测租用自行车的数量方面最为重要？

哪种类型的自行车最常租用？

如果目标是使整个星期的租用数量呈现平稳状态，共享单车公司应该在一周中的哪天开展促销活动？

给定车站是否应该提供更多自行车，以最大化利润？

SOLUTION:

25%、50%、75%指的是四分位数（Quartile）。

下面是对上面这幅图含义的详细解读，理解此图会对你完成和理解实战项目有帮助。

在此图中，有4列是 float - 浮点型，7列是 int - 整型，1列是object - 对象。其中datetime经过打印查看，确定类型为 str - 字符串。

Python 中的数据类型会在“第三天：Python 数字和字符串”中有更加详细的解释。

SOLUTION:

根据这些散点图，这三个特征中的哪一个似乎最有助于预测计数？（提示：可以考虑下 x 轴数据和 y 轴数据的关系，如果有明显的相关性，比如 y 随 x 的增大而变大或减小，则说明有助于预测；反之，如果数据并无明显趋势，则说明无法凭借这个特征预测）

名词解释：
Day of week 星期几
Temp 温度
Humidity 湿度

星期几

温度

湿度

SOLUTION:

温度

SOLUTION:

250 辆自行车

SOLUTION: