摩拜单车用户画像分析

项目代码-GitHub

任务说明

摩拜单车，英文名mobike，是北京摩拜科技有限公司研发的互联网短途出行解决方案，是无桩借还车模式的智能硬件。人们通过智能手机就能快速租用和归还一辆摩拜单车，用可负担的价格来完成一次几公里的市内骑行。

由于一公里的出行是一个高频的需求场景，所以mobike单车累计了大量的用户基本信息以及骑行的数据，通过这些数据，能够帮助企业更好识别自己的客群画像和他们的骑行偏好。

分析目标：

对用户数据和骑行数据用行探索分析(EDA)和可视化
使用Python建立聚类分析模型
对于聚类分析模型得出的分群特征进行解读

1 - 数据概况分析

1.1 读取数据

1.2 数据概况

数据字典

dict

2 - 数据预处理

2.1 年龄

发现年龄缺失值，空值行数量较少，去掉
将年龄的数据类型进行转换
保留年龄小于80的数据

2.2 性别

仅有18个缺失值，删除

2.3 骑行时间

转化时间类型数据
创建计算字段
- 是否为工作日
- 是否是早晚高峰

2.5 骑行时长

检查骑行时长异常数据，存在 timeduration 计算错误的数据，同时 tripduration 也很长
重新计算骑行时长

3 - 探索性分析 (EDA)

3.1 年龄

plt.figure(figsize=(15,5))

sns.distplot(mobike['age'], bins=15, color='orangered')
plt.title("用户年龄分布", fontsize=15)

plt.show()

用户年龄分布

大部分用户集中在 25-35 年龄段

3.2 性别

plt.figure(figsize=(15,5))

sns.countplot(y='gender', data=mobike)
plt.title("用户类型分布", fontsize=15)

plt.show()

用户类型分布

男性用户较多，约占 78%

3.3 用户类型

mobike['usertype'].value_counts()

Subscriber    5704
Customer       179
Name: usertype, dtype: int64

mobike['usertype'].value_counts(1)

Subscriber    0.969573
Customer      0.030427
Name: usertype, dtype: float64

plt.figure(figsize=(15,5))

sns.countplot(y='usertype', data=mobike)
plt.title("用户类型分布", fontsize=15)

plt.show()

用户类型分布

大部分为订阅用户，占 96.5%

3.4 骑行时间

# 查看骑行时间年的分布
mobike['start_time'].dt.year.value_counts()

2018    5883
Name: start_time, dtype: int64

# 查看骑行时间月份的分布
mobike['start_time'].dt.month.value_counts()

  3107
  1601
  1175
Name: start_time, dtype: int64

# 查看骑行时间按天分布
plt.figure(figsize=(15,5))

sns.countplot(mobike['start_time'].dt.day, color='orangered')
plt.title("骑行开始时间按天分布", fontsize=15)

plt.show()

骑行开始时间按天分布

在月末骑行的人略少于月初和月中的人

# 查看骑行时间按周内天分布
plt.figure(figsize=(15,5))

sns.countplot(mobike['start_time'].dt.dayofweek, color='orangered')
plt.title("骑行开始时间按周内天分布", fontsize=15)

plt.show()

骑行开始时间按周内天分布

周末骑行的人少于周中的

# 查看骑行开始时间按小时分布
plt.figure(figsize=(15,5))

sns.countplot(mobike['start_time'].dt.hour, color='orangered')
plt.title("骑行开始时间按小时分布", fontsize=15)

plt.show()

骑行开始时间按小时分布

早晚高峰的骑车数量明显增多

3.5 骑行时长

plt.figure(figsize=(15,5))

sns.distplot(mobike['timeduration'], color='orangered')
plt.title("骑行时长分布 (分钟)", fontsize=15)

plt.show()

骑行时长分布

骑行时长在 5-15 分钟最多

3.6 骑行距离

plt.figure(figsize=(15,5))

sns.distplot(mobike['tripduration'], color='orangered')
plt.title("骑行距离分布", fontsize=15)

plt.show()

骑行距离分布

骑行距离在 200-800 米最多

3.7 平均骑行速度

plt.figure(figsize=(15,5))

sns.distplot(mb['speed'], color='orangered')
plt.title("平均骑行速度分布 (米/分钟)", fontsize=15)

plt.show()

平均骑行速度分布

平均骑行速度集中在 60米/分钟左右

4 - 聚类分析

4.1 - 数据准备

将类别变量使用 one-hot 编码方式进行编码

4.2 - K-Means 聚类模型

# 寻找最优 k

def KM_score(X, k: int) -> float:
    """返回轮廓系数 (Silhouette score)"""
    model=KMeans(n_clusters=k, random_state=42)
    model.fit(X)
    X_cluster = model.fit_predict(X)
    score = metrics.silhouette_score(X, X_cluster)
    
    return score

# 计算轮廓系数
score_dict = {}
for i in range(2, 10):
    score_dict[i] = KM_score(X, i)

# 绘制轮廓系数图像
plt.figure(figsize=(15,5))
plt.plot(score_dict.keys(), score_dict.values(), linestyle='--', marker='o')
plt.title("轮廓系数折线图", fontsize=15)
plt.show()

轮廓系数折线图

# 为了观察分群效果，我们选择分成7组
model = KMeans(n_clusters=7, random_state=42)
model.fit(X)

KMeans(n_clusters=7, random_state=42)

mobike_cluster['cluster'] = model.labels_

mobike_cluster['cluster'].value_counts()

  1399
  1167
  1114
   783
   703
   538
   179
Name: cluster, dtype: int64

4.3 查看聚类效果

>> mobike_cluster.groupby(['cluster'])['timeduration'].describe()

timeduration_gb

>> mobike_cluster.groupby(['cluster'])['tripduration'].describe()

tripduarion_gb

4，5 组骑行时间较长，骑行距离也远

5 - 聚类业务解读

>> pd.DataFrame(model.cluster_centers_, columns=mobike_cluster.columns[:8])