[转]出租车轨迹处理（二）：时空分析

接下来就要进行一些简单的分析了。
今天的目标是如何对某一感兴趣区域进行出租车数据的时空分析。

一、轨迹数据预处理

这一步在上一篇文章中已经有了介绍。
步骤无非就是：

1）使用pandas读取数据

import pandas as pd
import numpy as np

f=open('D:\动态人口分布实验\交通赛数据_上\\20140803_train.txt')
data=pd.read_csv(f,names=['ID','lat','lon','passager','time'])

2）根据轨迹数据的flag列（代表是否为空车），得到flag列变化的行，视为上、下客的位置。然后丢弃无用的列。

data['passager_1']=data['passager'].shift(1)
data['change']=data['passager']-data['passager_1']
data=data.drop(['passager_1'],axis=1)
#索引得到change列为1或-1的列
data=data.loc[(data['change']==1) |(data['change']==-1)]

3）将time一列从字符串转为datatime类型，并将该列设为索引。

import datetime
data['time']=pd.to_datetime(data['time'])
data=data.set_index('time')
#按照索引（时间）排序
data=data.sort_index()

4） 分别保存上、下车的位置数据（根据flag=1/-1）

PUP=data.loc[data['change']==1]
PUP.to_csv('D:\深度学习估算人口\\0816PUP.csv')
DOP=data.loc[data['change']==-1]
DOP.to_csv('D:\深度学习估算人口\\0816DOP.csv')

二、得到特定区域出租车数据

结合shp数据处理数据，对大牛来说，最好的方法首先从arcgis中生成感兴趣区域的shp文件，然后从python中使用gdal等库来处理。不然就是用arcgis中的arcpy。
但可惜我不是大牛，我只好采用笨办法曲线救国。

1）arcgis中导入出租车上、下客的csv文件=

按照x、y坐标显示。相当于把点转为了shp格式。

2）新建shpfile，选取感兴趣区

3）使用感兴趣区的shp裁剪上、下客point

4）对裁剪后的point导出csv格式属性表

5) python中导入csv，继续进行处理

三、时空数据挖掘

1） 预处理

## 下车文件读取
fff=open('D:\深度学习估算人口\\成都体育中心0816DOP.txt')
gym_DOP=pd.read_csv(fff)
gym_DOP=gym_DOP.drop(["OBJECTID","ID","lat","lon","passager"],axis=1)
gym_DOP['time']=pd.to_datetime(gym_DOP['time'])
gym_DOP=gym_DOP.set_index('time')

## 上车文件读取
ffff=open('D:\深度学习估算人口\\成都体育中心0816PUP.txt')
gym_PUP=pd.read_csv(ffff)
gym_PUP=gym_PUP.drop(["OBJECTID","ID","lat","lon","passager"],axis=1)
gym_PUP['time']=pd.to_datetime(gym_PUP['time'])
gym_PUP=gym_PUP.set_index('time')

2）按小时统计

人数可直接通过上、下车的标注列【change】来计算。
但由于下车人数的标注【change】为-1，故要新建一列，设为abs(change),然后再统计人数。上车人数的【change】是1，可以直接按照change列统计，但是为了统一起见（强迫症起见），还是同样新建num列处理了一下。
这里不得不感叹pandas对时间序列处理的强大之处。一个简单的resample('H) 函数就可以直接按照Hour统计。这方面的一些具体参数可以参考《使用python进行数据分析》一书。

# 下车人数按小时统计
gym_DOP['num']=abs(gym_DOP['change'])
gym_DOP=gym_DOP.resample('H').sum()
#上车人数按小时统计
gym_PUP['num']=abs(gym_PUP['change'])
gym_PUP=gym_PUP.resample('H').sum()

3）作图显示上、下车趋势

直接使用pandas自带的作图函数plot（）。
发现这个函数不是太方便设置标注，如下：

##上车人数

N=gym_PUP['num'].plot(title='passagers')
fig=N.get_figure()
fig.set_size_inches(20,9)
# 下车人数
N=gym_DOP['num'].plot(title='passagers')
fig=N.get_figure()
fig.set_size_inches(20,9)

所以使用pandas的concat函数整合两个文件中的上、下车人数，然后一起作图显示。

all_data_col = pd.concat((gym_PUP['num'],gym_DOP['num']),axis = 1)
all_data_col.columns=['gym_up','gym_down']
all_data_col.plot()

4）统计累计净流量

在一天24小时内，从早到晚的“净流量”（即截止第t小时，流入的总数减去流出的总数）是很有意义的一个特征。
这时候就需要借助强大的pandas.num.cumsum()函数了。新建一列代表【净流量】，然后作图表示。

gym_PUP['flow']=gym_DOP.num.cumsum()-gym_PUP.num.cumsum()
FF=gym_PUP['flow'].plot(title='passagers')
fig=N.get_figure()
fig.set_size_inches(20,9)

---------------------
作者：菜鸡的自我拯救
来源：CSDN
原文：https://blog.csdn.net/weixin_37659245/article/details/89486425