此数据可以用于进行关联规则算法分析，需要的自取，请勿商用

具有K均值聚类和DBSCAN的CitiBike数据网络分析 该存储库使用网络科学方法和聚类技术检查CitiBike数据。 该数据可在上获得，而行程历史数据可在 。 csv.zip 2019年11月5日，05：10：56 pm用于此实验）。 使用K-means聚类和DBSCAN对自行车站网络进行进一步分析。 该文件包含以下属性-行程持续时间（秒），开始时间和日期，停止时间和日期，开始站点，名称，结束站点名称，站点ID，站点纬度/经度，自行车ID，用户类型（客户= 24小时通行证或3天通行证用户；订户=年度会员），性别（零=未知； 1 =男性； 2 =女性），出生年份。 为了可视化网络，进行以下数据处理。 •CSV文件存储在pandas数据框中，并随机采样50个条目。 •从采样数据中起始和结束站点ID的组合列表中，将所有唯一的起始和结束站点ID及其相应的站点名称，纬度和经度提取到新的数

神经自行车 该项目在个人设备和资源上运行。 网站上没有使用跟踪器，并且它是免费的。 如果您喜欢它，请考虑通过捐赠或解锁iOS应用程序上的其他功能来支持它。 为什么会存在？ 世界各地的自行车共享服务都存在相同的问题。 骑行方式不平等会导致整个城市的自行车分配不均。 这迫使工人重新平衡使用大型车辆的服务，或者通过激励用户从整站解锁自行车。 这是全球所有对接系统中都存在的问题。 自行车共享应用程序不会为用户提供有洞察力的信息。 它们仅提供反映系统实际状态的信息。 但是以前的模式会影响实际状态，甚至可能影响未来。 通过不断地收集数据，我试图通过使用最近几天的可用性来预测可用性来解决此问题。 该存储库包含用于生成预测的实际代码。所有数据分析，处理和神经网络训练均由该项目完成。 我正在尽可能多地更新此项目，以使其适应不同城市的需求。 到目前为止，每天都会对毕尔巴鄂，马德里，纽约和伦敦等城市进

博文背后的代码： : 在服务器上为耳语文件聚合运行 在本地运行 get_temp 以获取更新的临时值 未来的工作： 重新平衡预测器和调度器？ 预测是否会有自行车的事情（空码头的可能性，假设没有重新平衡）

NewYork_CitiBike-数据分析 990万次骑行：纽约自行车共享系统分析

NYC_CitiBike_2019--Python数据_可视化

花旗自行车 我已使用citibike NYC数据（ ）进行分析和推断，以了解不同路线和用户之间的使用方式和趋势。 使用漂亮的汤包抓取数据，并使用Pandas进行预处理，然后使用mysql将其存储在关系数据库架构中。 我使用Google地图上的API在Jupyter笔记本上绘制Google地图上的纬度和经度，我进行了分析，例如忙碌的日子，忙碌的时间，订户与使用该服务的用户的比例以及所显示的最频繁的路线通过gmaps等

201501-citibike-tripdata.csv，Bike-NYC.csv 类似数据，python excel学习用到的资料。从Excel到Python——数据分析进阶指南.pdf 最后大题用到的资源。有用就点赞

纽约花旗自行车共享分析 Tableau Viz链接： 概括 纽约花旗自行车共享计划于2013年5月27日开始运营，拥有332个站点。 这些电台位于曼哈顿第59街以南，布鲁克林在大西洋大道以北，诺斯特兰德大道以西。 最初，该系统以6,000辆自行车启动，是美国最大的此类共享计划。 该计划已实施了一个强大的基础架构，用于收集有关其利用率的数据，每个月都会在Citi Bike Data网页上收集，组织和公开自行车数据。 该项目涉及汇总从2020年11月开始的Citi Bike Trip History Logs中发现的数据，以构建仪表板，以说明意外现象。 已下载包含2020年11月数据的CSV文件，然后将其加载到Tableau中。 从原始数据创建了新的计算字段，以帮助创建可视化。 创建的仪表板可视化 前10个最佳出发地点 起始位置比较人气地图 十大出发站地图 每个前十名车站的出行次数 十大St