这是学习笔记的第2381篇文章
最近在考虑如何分析个人的旅行数据，才能从旅行数据中分析出什么。 一开始期待很高，但有以下期待。
根据出行时间的范围，可以基本确定他的生活节奏、工作强度
可以根据旅行时间范围推测车的尾号
根据出行所需时间的历史提出出行时间
如果能分析这些信息，我觉得非常有趣，所以自己开始了。 第一个问题是数据源。 导航软件目前不提供旅游数据导出，所以我按照导航时间表逐一整理了7-8个月的旅游数据。 大体上的数据状况很好，但其中也有进行了时间处理等追加处理的数据。 如果是7:15，那么在数字显示中不是7.15，更合理的显示是7.4，还有旅行时间。 例如，1:30需要统一在分钟90分钟内整合。 整理的数据如下。
首先，根据时间分析了日程的时间，结果这个数据好像不太理想。 原本预计会很稳定，但我打算根据这个数据进行预测。
在这种情况下，必须改变想法。 首先来看看数据的整体分布。 使用条形图其实并不能很好地表示数据的分布状况。 有些日程与早上和晚上的日程一样，日程之间没有直接的关系，所以由于时间的不同，条形图的图案反而会大幅抖动。
以下是各行程的时间分布图。
以下是行程出发时间的分布情况，基本上在6:30~7:00之间开始出发，晚上基本上在20:00左右回去。
根据周一至周日的行程时间分布，周二的行程分布明显较少，不如周六、周日，由此可以推测很可能是因为限号。
当然，前面提到的两个指标，一个是旅行需要时间，一个是出发时间，一个是路程。 因为路程和花费时间有一定的关联，换算下来折中的指标是平均速度。 因此，在平均速度分布情况下，星期一和星期五最拥堵，相对于星期四和星期六最畅通。
与一般可视化不同，引入箱线图后发现，平均行程时间为45分钟左右，区间基本为30-60分钟。
其实到这里为止分析了数据，有很大的不同。 虽然进行了一些分析，但有些指标还没有充分使用。 另外，显示的指标情况还不清楚，我打算使用seaborn进一步调整。
以下是旅行距离、旅行时间和星期几的综合分布图。
以下是星期几和日程需要时间的分布图，比以前的分布图更清楚。
我们继续引入平均速度，把出发时间和星期几联系起来，整个日程可以看到明显的分水岭。 早上和晚上几乎都是工作日，其他时间几乎都是周末。
进一步探索这些数据指标之间的关联，需要引入稍微复杂的图表PairGrid，可以加入多个指标，可以生成多个维度的分布图。
其次，需要进一步分析数据的指标状况，引入检查和预测的功能。
各平台都可以找到我的微信公众号：敏感害羞学习笔记
Github:@jeanron100
CSDN:@jeanron100
知乎： @jeanron100
头条号： @敏感害羞学习笔记
网易号： @敏感害羞的数据库笔记本
大鱼号： @敏感害羞的数据库笔记本
腾讯云社区： @敏感害羞学习笔记
原创热文：
在维护之夜，讲故事和经验
为什么MySQL几乎不使用分区表
新年大吉总结了以下感想
《大江大河2》最感动我的经典对话
MySQL 8.0给开发方向带来的几点困扰
迁移到MySQL的业务体系结构的演进
如何优化MySQL千万级单身鸡，我写了6000字的解读
在经典的MySQL问题中，答案翻转了三次
xhdnm学习MySQL多久？ 我整理了十多个问题的答案
http://www.Sina.com/http://www.Sina.com /
QQ群的二维码如下。 要添加，请注明“姓名地区的职位，否则不通过”
请点击QQ群号：向更多人展示