Машинное обучение 2

!pip install folium
 
import folium
 
m = folium.Map(location=(55.7522200, 37.6155600), zoom_start=10)
 
m
-------------------------
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
 
%matplotlib inline
 
sns.set(style="darkgrid")
-------------------------
#Задание 1
from google.colab import drive
drive.mount('/content/drive')
-------------------------
df = pd.read_csv('/content/drive/MyDrive/train.csv')
-------------------------
df = df.drop('dropoff_datetime', axis=1)
df['pickup_datetime'] = pd.to_datetime(df['pickup_datetime'])
df.head()
-------------------------
plt.hist(df['trip_duration'])
plt.title('Гистограмма распределения pickup_datetime')
plt.show()
-------------------------
df['log_trip_duration'] = np.log1p(df['trip_duration'])
df = df.drop('trip_duration', axis=1)
-------------------------
plt.hist(df['log_trip_duration'], bins=25)
plt.title('Гистограмма распределения log_trip_duration')
plt.show()
-------------------------
mean_log_trip_duration = ((df['log_trip_duration'] - df['log_trip_duration'].mean())**2).sum()/df['log_trip_duration'].shape[0]
mean_log_trip_duration
-------------------------
#Задание 2
# Подсчет количества повторяющихся дат
date_counts = df['pickup_datetime'].value_counts()
 
# Создание нового столбца 'date_counts', где каждой дате присваивается количество повторений
df['trip_counts'] = df['pickup_datetime'].map(date_counts)
-------------------------
df['pickup_datetime2'] = pd.to_datetime(df['pickup_datetime'])
 
# Установка 'pickup_datetime' как индекс
df.set_index('pickup_datetime2', inplace=True)
 
# Ресемплирование данных по дню и подсчет количества поездок
daily_trip_counts = df['trip_counts'].resample('D').sum()
 
# Построение графика
plt.figure(figsize=(12, 6))
sns.countplot(data=df, x=df.index.date, color='skyblue')
plt.xlabel('Дата')
plt.ylabel('Количество поездок')
plt.title('Зависимость количества поездок от даты')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
----------------------------
min_trip_counts_index = df['trip_counts'].idxmin()
 
# Извлечь данные с минимальным количеством поездок
min_trip_counts_data = df.loc[min_trip_counts_index]
 
# Вывести данные с минимальным количеством поездок
print("Данные с минимальным количеством поездок:")
print(min_trip_counts_data)
----------------------------
df['pickup_datetime']= pd.to_datetime(df['pickup_datetime'])
# получаем день заказа из стандартной даты и кладём его в новую колонку
df["Day"] = df["pickup_datetime"].apply(lambda x: x.day)
# точно так же получаем час
df["Hour"] = df["pickup_datetime"].apply(lambda x: x.hour)
# и номер дня недели
df["Weekday"] = df["pickup_datetime"].apply(lambda x: x.weekday())
# выводим первые 5 записей в новой таблице
print(df.head(5))
----------------------------
# Делаем визуализацию распределения вызовов в зависимости от дня недели где 0 это понедельник, а 6 — воскресенье:
# готовим холст
fig,ax = plt.subplots(figsize = (12,6))
# строим гистограмму распределения по дням недели
plt.hist(df.Weekday, width= 0.6, range= (0, 6.5), bins=7, color= "green")
# подписываем оси
plt.title("Распределение вызовов по дням недели", fontsize=16)
plt.xlabel("День недели", fontsize=14)
plt.ylabel("Плотность вызовов", fontsize=14)
# сохраняем картинку
plt.savefig('weekday.png', dpi=120)
-------------------------------
# Делаем визуализацию распределения вызовов в течение суток
# готовим холст
fig,ax = plt.subplots(figsize = (12,6))
# строим гистограмму распределения по часам
plt.hist(df.Hour, width= 0.6, bins=24, color= "orange")
# подписываем оси
plt.title("Распределение вызовов по часам", fontsize=16)
plt.xlabel("Часы", fontsize=14)
plt.ylabel("Плотность вызовов", fontsize=14)
# сохраняем картинку
plt.savefig('hours.png', dpi=120)
-----------------------------------
#Задание 3
df['hour'] = df['pickup_datetime'].dt.hour
df['month'] = df['pickup_datetime'].dt.month
 
# Группировка данных по месяцу и часу и подсчет среднего количества поездок
monthly_hourly_trip_counts = df.groupby(['month', 'hour'])['trip_counts'].mean().reset_index()
 
# Построение графика
plt.figure(figsize=(12, 6))
sns.lineplot(x='hour', y='trip_counts', hue='month', data=monthly_hourly_trip_counts, palette='viridis')
plt.xlabel('Часы в сутках')
plt.ylabel('Среднее количество поездок')
plt.title('Зависимость количества поездок от часа в сутках для разных месяцев')
plt.xticks(range(24))  # Отображаем все часы
plt.tight_layout()
 
# Подписи месяцев
month_labels = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
plt.legend(title='Месяц', labels=month_labels)
 
plt.show()
----------------------------------------
df['day_of_week'] = df['pickup_datetime'].dt.dayofweek
 
# Группировка данных по дню недели и часу и подсчет среднего количества поездок
daily_hourly_trip_counts = df.groupby(['day_of_week', 'hour'])['trip_counts'].mean().reset_index()
 
# Построение графика
plt.figure(figsize=(12, 6))
sns.lineplot(x='hour', y='trip_counts', hue='day_of_week', data=daily_hourly_trip_counts, palette='viridis')
plt.xlabel('Часы в сутках')
plt.ylabel('Среднее количество поездок')
plt.title('Зависимость количества поездок от часа в сутках для разных дней недели')
 
# Подписи дней недели
days_of_week_labels = ['Пн', 'Вт', 'Ср', 'Чт', 'Пт', 'Сб', 'Вс']
plt.legend(title='День недели', labels=days_of_week_labels)
 
plt.xticks(range(24))  # Отображаем все часы
plt.tight_layout()
plt.show()