案例一、航班准点预测（仅供学习参考）

GitHub项目连接地址：https://github.com/Maxwellwk/DataAnalysisCase/tree/master/PrimaryCase

美国航班的准点预测
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
# 航班数据的链接网址
link = 'https://projects.fivethirtyeight.com/flights/'
# 查看本地dada目录中的数据文件（项目中的实验数据都在data目录中）
# win中
# !dir "../data/"
# linux中
!ls "../data"
1970-2016世界恐怖袭击数据-utf8.csv
AMZN.csv
BABA.csv
HR.csv
Pokemon.csv
apply_demo.csv
city_weather.csv
demo_duplicate.csv
iris.csv
movie_metadata.csv
sales-funnel.xlsx
top5.csv
train.csv
usa_flights.csv
亚洲国家20年人口数据-gb2312.csv
亚洲国家20年人口数据-utf8.csv
欧洲国家20年旅游收入数据-gb2312.csv
欧洲国家20年旅游收入数据-utf8.csv
国家各项税收.csv
# 从本地读取航班数据
flights_df = pd.read_csv("../data/usa_flights.csv")
# 查看前五行数据
flights_df.head()

flight_date	unique_carrier	flight_num	origin	dest	arr_delay	cancelled	carrier_delay	weather_delay	late_aircraft_delay	nas_delay	security_delay	actual_elapsed_time
0	02/01/2015 0:00	AA	1	JFK	LAX	-19.0	2475	NaN	NaN	NaN	NaN	NaN	381.0
1	03/01/2015 0:00	AA	1	JFK	LAX	-39.0	2475	NaN	NaN	NaN	NaN	NaN	358.0
2	04/01/2015 0:00	AA	1	JFK	LAX	-12.0	2475	NaN	NaN	NaN	NaN	NaN	385.0
3	05/01/2015 0:00	AA	1	JFK	LAX	-8.0	2475	NaN	NaN	NaN	NaN	NaN	389.0
4	06/01/2015 0:00	AA	1	JFK	LAX	25.0	2475	0.0	0.0

1.查看飞机延误时间最长的前10名

flights_df.sort_values('arr_delay', ascending=False)[:10]

	flight_date	unique_carrier	flight_num	origin	dest	arr_delay	distance	carrier_delay	late_aircraft_delay	nas_delay	actual_elapsed_time
11073	11/01/2015 0:00	AA	1595	AUS	DFW	1444.0	190	1444.0	0.0	0.0	59.0
10214	13/01/2015 0:00	AA	1487	OMA	DFW	1392.0	583	1392.0	0.0	0.0	117.0
12430	03/01/2015 0:00	AA	1677	MEM	DFW	1384.0	432	1380.0	0.0	4.0	104.0
8443	04/01/2015 0:00	AA	1279	OMA	DFW	1237.0	583	1222.0	15.0	0.0	102.0
10328	05/01/2015 0:00	AA	1495	EGE	DFW	1187.0	721	1019.0	168.0	0.0	127.0
36570	04/01/2015 0:00	DL	1435	MIA	MSP	1174.0	1501	1174.0	0.0	0.0	231.0
36495	04/01/2015 0:00	DL	1367	ROC	ATL	1138.0	749	1112.0	0.0	26.0	171.0
59072	14/01/2015 0:00	DL	1687	SAN	MSP	1084.0	1532	1070.0	0.0	14.0	240.0
32173	05/01/2015 0:00	AA	970	LAS	LAX	1042.0	236	1033.0	9.0	0.0	66.0
56488	12/01/2015 0:00	DL	2117	ATL	COS	1016.0	1184	1016.0	0.0	0.0	193.0

可得出初步结论，航空公司AA、DL的延误频次要比其他航空公司高，且AA航空公司比Dl航空公司高。如果有急事出行的话，可以尽量避开这两家航班公司。

2.计算延误和没有延误的飞机所占的比例

# 添加一列判断航班是否延误
flights_df['delayed'] = flights_df['arr_delay'].apply(lambda x: x > 0)
# 查看前五行数据
flights_df.head()

	flight_date	unique_carrier	flight_num	origin	dest	arr_delay	distance	carrier_delay	weather_delay	late_aircraft_delay	nas_delay	security_delay	actual_elapsed_time	delayed
0	02/01/2015 0:00	AA	1	JFK	LAX	-19.0	2475	NaN	NaN	NaN	NaN	NaN	381.0	False
1	03/01/2015 0:00	AA	1	JFK	LAX	-39.0	2475	NaN	NaN	NaN	NaN	NaN	358.0	False
2	04/01/2015 0:00	AA	1	JFK	LAX	-12.0	2475	NaN	NaN	NaN	NaN	NaN	385.0	False
3	05/01/2015 0:00	AA	1	JFK	LAX	-8.0	2475	NaN	NaN	NaN	NaN	NaN	389.0	False
4	06/01/2015 0:00	AA	1	JFK	LAX	25.0	2475	0.0	0.0	0.0	25.0	0.0	424.0	True

# 查看延误飞机的数量（False：非延误  True：延误）
delay_data = flights_df['delayed'].value_counts()
delay_data

False    103037
True      98627
Name: delayed, dtype: int64

# 计算延误航班所占的比例
delay_data[1]/(delay_data[0]+delay_data[1])

0.4890659711202793
由此可得出在美国的所有航班中，有48%的航班都发生过延误。

# 计算每一个航空公司延误的情况
delay_group = flights_df.groupby(['unique_carrier', 'delayed'])
df_delay = delay_group.size().unstack()
df_delay
Out[13]:

delayed	False	True
unique_carrier
AA	8912	9841
AS	3527	2104
B6	4832	4401
DL	17719	9803
EV	10596	11371
F9	1103	1848
HA	1351	1354
MQ	4692	8060
NK	1550	2133
OO	9977	10804
UA	7885	8624
US	7850	6353
VX	1254	781
WN	21789	21150

由上表可以得出，大部分航空公司的准点次数要大于延误次数

图形展示

import matplotlib.pyplot as plt
# barh 柱状图
# stacked=True 横向展示
# figsize=[16, 6] 宽16，高6
# colormap='winter' 使用winter色
df_delay.plot(kind='barh', stacked=True, figsize=[16, 6], colormap='winter')
plt.show()

由图形可以更直观的看出，飞行次数最多的公司是WN。虽然Dl公司的延时时间是相对比较长的，但他的延误次数却相比与其他公司要低。其次AS、VX两家小型航空公司的延误次数也比较低。

4.透视表

# index 索引
# columns 列名
# values 要显示的值
# aggfunc 聚合函数
flight_by_carrier = flights_df.pivot_table(index='flight_date', columns='unique_carrier', values='flight_num', aggfunc='count')
flight_by_carrier

unique_carrier	AA	AS	B6	DL	EV	F9	HA	MQ	NK	OO	UA	US	VX	WN
flight_date
02/01/2015 0:00	1545	477	759	2271	1824	254	224	1046	287	1763	1420	1177	176	3518
03/01/2015 0:00	1453	449	711	2031	1744	192	202	937	285	1681	1233	1028	160	3328
04/01/2015 0:00	1534	458	759	2258	1833	249	206	1027	284	1731	1283	1158	169	3403
05/01/2015 0:00	1532	433	754	2212	1811	264	209	1039	288	1737	1432	1157	174	3506
06/01/2015 0:00	1400	415	692	2054	1686	249	202	966	279	1527	1294	1003	152	3396
07/01/2015 0:00	1420	419	694	2107	1705	228	208	998	284	1557	1259	1143	151	3398
08/01/2015 0:00	1447	444	731	2214	1759	224	208	1009	284	1625	1331	1171	164	3398
09/01/2015 0:00	1448	447	730	2204	1767	229	222	1010	289	1631	1331	1169	167	3364
10/01/2015 0:00	1285	412	641	1584	1133	168	201	768	285	1270	908	912	109	2668
11/01/2015 0:00	1426	432	711	2082	1585	222	206	979	286	1558	1162	1061	156	2888
12/01/2015 0:00	1445	426	718	2280	1754	236	209	1003	281	1628	1337	1086	161	3324
13/01/2015 0:00	1404	407	666	2079	1678	210	202	972	272	1514	1261	996	145	3374
14/01/2015 0:00	1414	412	667	2146	1688	226	206	998	279	1559	1258	1142	151	3374

由透视表我们可以看出，每天航班次数最多的公司是WN，其次是DL和EV。由此可猜测他们几家应该是大型航空公司。

猫哥的鱼库

发布了131 篇原创文章 · 获赞 211 · 访问量 27万+

私信关注

案例一、航班准点预测（仅供学习参考）

1.查看飞机延误时间最长的前10名

2.计算延误和没有延误的飞机所占的比例

图形展示

猜你喜欢