#python##学python##python打卡##数据分析#

前言

走在人生的路上，缺少不了旅途的增味。说到旅途，就不得不提交通工具。我国有着丰富的城市交通网络，四通八达，如蜘蛛网般分布在每个地方。目前，无论是海陆空，都可触达。截止目前国家统计公布了2019年1月到2019年11月的全国客运量的承载情况，数据细分到了铁路客运、公路客运、水运客运以及民航客运。接下来，我们使用python语言对国家统计局公布的铁路客运量、公路客运量、水运客运量和民航客运量的数据进行处理、分析和可视化。

使用python进行四种旅客客运量的分析

原始数据如下所示：

通过python对原始数据进行相应的处理、分析和可视化。

完整的python代码如下：

import pandas as pdimport matplotlib.pyplot as plt#使用pd.read_csv读取数据data=pd.read_csv(r'/Users/lupeitao/Desktop/数据/客运量月度数据.csv',                 index_col='指标',encoding='gb18030')#进行行列转换data_T=data.T#选择数据data_T5=data_T[['客运量当期值(万人)','铁路客运量当期值(万人)',                '公路客运量当期值(万人)','水运客运量当期值(万人)',                '民航客运量当期值(万人)']]#解决mac中文字不显示问题plt.rcParams["font.family"] = 'Arial Unicode MS'#x轴变量x=data_T5.index#四个y轴变量y1=data_T5['铁路客运量当期值(万人)'].valuesy2=data_T5['公路客运量当期值(万人)'].valuesy3=data_T5['水运客运量当期值(万人)'].valuesy4=data_T5['民航客运量当期值(万人)'].values#使用matplotlib进行数据可视化fig,axes=plt.subplots(nrows=1,ncols=1,figsize=(15,4))axes.plot(x,y1,marker='o',label='铁路客运量')axes.plot(x,y2,marker='o',label='公路客运量')axes.plot(x,y3,marker='o',label='水运客运量')axes.plot(x,y4,marker='o',label='民航客运量')#添加图例axes.legend(loc='best')fig

执行上述代码，生成图形如下：

铁路、公路、水运和民航客运量数据主要呈现了2019年1月到2019年11月，12月份到国家统计局官网暂未公布，本文将其视为缺失值进行了相应操作（缺失值在使用matplotlib进行数据可视化时会自行滤除）。从上图可知，2019年四种交通工具的客运量中，公路客运量是其中最高的，值为122062万人。处于第二位的是铁路客运量，铁路客运量在2019年8月达到了峰值，值为37884万人。民航客运量位于第三的位置，民航旅客客运量在2019年8月达到峰值，而4月是其客运量最低的时间点。水运客运量在四种旅客客运量中位于第四的位置，2019年8月也是其客运量的峰值，峰值为2970万人，而水运客运量当期值（万人）最低是在2019年1月，水运客运量为1513万人。

正整体趋势上来看，相对而言，2019年铁路客运量在1月到11月这个区间内趋势较为波动，铁路客运量的变化趋势次之，而水运客运量和民航客运量的变化趋势相对平稳。从上图中虽然能够直观上看到，水运和民航客运量的变化趋势几乎近似一条直线，其更为重要的原因是纵轴的客运量变化区间较大。

总结

从上述的数据来看，公路是最受广大旅客欢迎的交通工具。分析其原因，主要表现在两个方面，一是公路交通网是四种交通工具中在全国网中最多且密集的。二是公路交通的灵活性更强。第二受旅客欢迎的交通工具则是铁路，铁路如庞大的蜘蛛网一般覆盖全国，为广大旅客提供便利的客运服务。与公路和铁路相比，水运和民航相对的客运量较少。这并不是说水运和民航不重要，而是水运和民航的覆盖度较少，相应的需求量也少，所以整体客运量相比较公路和铁路就少许多，特别是水运。

总的来说，交通部门提供了广大旅客蜘蛛网般的旅客客运服务，让穿越时间和空间进行异地的交流成为可能。