import pandas as pd import numpy as np import os # 导入交通数据 # 定义列的数据类型 data_types = { '交易类型': 'int64', '交易时间': 'str', '交易卡号': 'int64', '刷卡类型': 'int64', '线路号': 'int64', '车辆编号': 'int64', '上车站点': 'int64', '下车站点': 'int64', '驾驶员编号': 'int64', '运营公司编号': 'int64' } # 构造一个乘客搭乘站点数分析函数，计算不同线路乘客的平均公交搭乘站点数及其标准差； def analyze_passenger_stops(data): # 计算每个乘客的搭乘站点数 data['搭乘站点数'] = abs(data['下车站点'] - data['上车站点']) # 计算不同线路的平均搭乘站点数及其标准差 result = data.groupby('线路号')['搭乘站点数'].agg(['mean', 'std']).reset_index() result.columns = ['线路号', '平均搭乘站点数', '标准差'] return result # 计算高峰小时刷卡量和公交刷卡量的高峰小时系数（*PHF5*和*PHF15*） def calculate_peak_hour_factors(data): # 提取交易时间的小时和分钟 data['小时'] = data['交易时间'].dt.hour data['分钟'] = data['交易时间'].dt.minute # 计算5分钟和15分钟时间段 data['5分钟段'] = data['小时'] * 12 + data['分钟'] // 5 data['15分钟段'] = data['小时'] * 4 + data['分钟'] // 15 # 计算每个5分钟段和15分钟段的刷卡量 transactions_5min = data.groupby('5分钟段').size() transactions_15min = data.groupby('15分钟段').size() # 找到峰值小时的刷卡量 peak_hour_transactions = transactions_5min.rolling(12).sum().max() # 找到峰值5分钟和15分钟的刷卡量 max_5min_transactions = transactions_5min.max() max_15min_transactions = transactions_15min.max() # 计算PHF5和PHF15 phf5 = peak_hour_transactions / (4 * max_5min_transactions) phf15 = peak_hour_transactions / (12 * max_15min_transactions) return phf5, phf15 # 输出线路号1101-1120中各个车辆编号对应的的驾驶员编号，分别输出为20个txt文档，并命名为相应的线路号，并保存到一个文件夹中； def save_driver_ids(data): # 创建文件夹 folder_name = '线路驾驶员编号' if not os.path.exists(folder_name): os.makedirs(folder_name) # 筛选线路号在1101到1120之间的数据 filtered_data = data[(data['线路号'] >= 1101) & (data['线路号'] <= 1120)] # 按照线路号分组并保存到文件 for line_number, group in filtered_data.groupby('线路号'): driver_ids = group['驾驶员编号'].unique() file_path = os.path.join(folder_name, f"{line_number}.txt") with open(file_path, 'w') as f: for driver_id in driver_ids: f.write(f"{driver_id}\n") print(f"线路 {line_number} 的驾驶员编号已保存到 {file_path}") # 确定服务乘客人次最多的10个司机、10条线路、10个站点和10台车辆。 def analyze_passenger_data(data): # 计算每个司机的乘客人次 driver_passenger_count = data.groupby( '驾驶员编号').size().reset_index(name='乘客人次') top_10_drivers = driver_passenger_count.nlargest(10, '乘客人次')[ ['驾驶员编号', '乘客人次']] # 计算每条线路的乘客人次 line_passenger_count = data.groupby('线路号').size().reset_index(name='乘客人次') top_10_lines = line_passenger_count.nlargest(10, '乘客人次')[['线路号', '乘客人次']] # 计算每个站点的乘客人次 station_passenger_count = data.groupby( '上车站点').size().reset_index(name='乘客人次') top_10_stations = station_passenger_count.nlargest(10, '乘客人次')[ ['上车站点', '乘客人次']] # 计算每辆车的乘客人次 vehicle_passenger_count = data.groupby( '车辆编号').size().reset_index(name='乘客人次') top_10_vehicles = vehicle_passenger_count.nlargest(10, '乘客人次')[ ['车辆编号', '乘客人次']] return top_10_drivers, top_10_lines, top_10_stations, top_10_vehicles def main(): # 使用指定的数据类型读取数据 data = pd.read_csv('ICData.csv', dtype=data_types) # 确保交易时间列是时间格式 data['交易时间'] = pd.to_datetime(data['交易时间'], format='%Y/%m/%d %H:%M:%S') # 计算早上7点前的上车刷卡量 morning_rides = data[data['交易时间'].dt.time < pd.to_datetime( '07:00:00', format='%H:%M:%S').time()].shape[0] # 计算晚上10点之后的上车刷卡量 night_rides = data[data['交易时间'].dt.time > pd.to_datetime( '22:00:00', format='%H:%M:%S').time()].shape[0] print(f"早上7点前的上车刷卡量: {morning_rides}") print(f"晚上10点之后的上车刷卡量: {night_rides}") # 保存乘客搭乘站点数分析结果 result = analyze_passenger_stops(data) print("不同线路乘客的平均公交搭乘站点数及其标准差（已保存）：\n", result) result.to_csv('乘客搭乘站点数分析结果.csv', index=False) # 计算高峰小时刷卡量和公交刷卡量的高峰小时系数 phf5, phf15 = calculate_peak_hour_factors(data) print(f"PHF5: {phf5}") print(f"PHF15: {phf15}") # 保存司机编号 save_driver_ids(data) print("司机编号已保存到文件夹[路线驾驶员编号]中。") # 调用函数并打印结果 top_10_drivers, top_10_lines, top_10_stations, top_10_vehicles = analyze_passenger_data( data) print("服务乘客人次最多的10个司机：\n", top_10_drivers) print("服务乘客人次最多的10条线路：\n", top_10_lines) print("服务乘客人次最多的10个站点：\n", top_10_stations) print("服务乘客人次最多的10台车辆：\n", top_10_vehicles) if __name__ == "__main__": main()