本文中我將展示如何利用 pandas 和 ggplot 來(lái)分析 iPhone 的步行數(shù)據(jù)，我主要利用 Rodeo(Yhat’s 的 IDE)來(lái)進(jìn)行數(shù)據(jù)分析。

數(shù)據(jù)收集

首先我想從我的 iPhone 中導(dǎo)出用于分析的步行數(shù)據(jù)，Quantified Self 實(shí)驗(yàn)室的工作人員開(kāi)發(fā)了一個(gè)數(shù)據(jù)提取的便捷工具——QS Access。

以下是一組關(guān)于步行數(shù)據(jù)的截圖：

QS Access 應(yīng)用可以提取出一個(gè)包含某個(gè)時(shí)期內(nèi)步行數(shù)據(jù)的 CSV 文件，該文件中包含三列變量——開(kāi)始時(shí)點(diǎn)、結(jié)束時(shí)點(diǎn)和步數(shù)。

數(shù)據(jù)分析

我主要利用 pandas 中的時(shí)間序列分析工具來(lái)分析數(shù)據(jù)，當(dāng) Wes McKinney開(kāi)始處理 pandas 項(xiàng)目時(shí)，他就已經(jīng)在一家投資管理公司工作，該行業(yè)廣泛依賴于時(shí)間序列分析方法。因此，pandas 中包含非常多的時(shí)間序列分析函數(shù)。

首先，當(dāng)我們擁有了時(shí)間序列數(shù)據(jù)后，我們可以定義參數(shù) parse_dates 使得 pandas 可以正確地處理時(shí)間序列數(shù)據(jù)。對(duì)于我們來(lái)說(shuō)，結(jié)束時(shí)點(diǎn)變量并沒(méi)有包含額外的有價(jià)值的信息，所以我們?cè)诜治鲞^(guò)程中將不考慮該變量的情況。

***我們將開(kāi)始時(shí)點(diǎn)變量設(shè)定為索引變量，這個(gè)設(shè)定有助于我們進(jìn)一步的數(shù)據(jù)分析。

每小時(shí)步行數(shù)據(jù)

如何快速地繪圖分析現(xiàn)有的步行數(shù)據(jù)呢?

很不幸的是，我們無(wú)法從上圖中得到比較有價(jià)值的信息，我們應(yīng)該如何提高可視化效果呢?我想到一個(gè)好主意——我們可以利用 pandas 中的 resample 函數(shù)來(lái)改變數(shù)據(jù)集的時(shí)間粒度。

更精確地說(shuō)，我們可以利用 downsampling 的方法來(lái)降低時(shí)間的頻度。比如，我們可以采集每小時(shí)的數(shù)據(jù)，然后利用重抽樣和匯總計(jì)算的方法獲得日度數(shù)據(jù)、周度數(shù)據(jù)和月度數(shù)據(jù)。

獲取每天步行數(shù)據(jù)

從上圖中我們可以看出，每天的步數(shù)存在一個(gè)上升趨勢(shì)，隨著時(shí)間的推移，步行的路程越長(zhǎng)。

獲取每周和每月步行數(shù)據(jù)

和上述代碼一樣，只要將 W 和 M 傳遞到 resample 函數(shù)中就能得到每周和每月的步行數(shù)據(jù)。

由于我更關(guān)心每天的運(yùn)動(dòng)情況，所以我將利用平均函數(shù)來(lái)計(jì)算每周或每月中平均每天的步行情況。具體的代碼如下所示：

更深入的分析

我很好奇的一件事是：工作日的運(yùn)動(dòng)量是否大于周末的運(yùn)動(dòng)量?我們可以利用 weekday 和 weekday_name 兩個(gè)方法來(lái)幫助分析。對(duì)于每個(gè)時(shí)間戳數(shù)據(jù)，前者可以得知它屬于一周中的第幾天，而后者可以得知該時(shí)間點(diǎn)對(duì)應(yīng)的時(shí)間名字信息。添加完這兩個(gè)新變量后，我們還可以添加一個(gè)布爾變量來(lái)表示某個(gè)時(shí)間點(diǎn)是否是周末。

此外，我們還可以根據(jù)變量 weekend_bool 來(lái)做分類匯總處理，并對(duì)比兩組數(shù)據(jù)的差異情況。

從上述結(jié)果中可以看出，周末期間的每天平均步數(shù)是 11,621 步，中位數(shù)是 10,228，而工作日期間的每天平均步數(shù)是 10,146 步，中位數(shù)是 9,742，因此我們可以認(rèn)為周末期間的運(yùn)動(dòng)量更大。

趨勢(shì)分析

***讓我們來(lái)討論下上文提到的上升趨勢(shì)，四月初由于工作的原因，我從夏洛特搬到了紐約城，擔(dān)任 Yhat的軟件工程師。

我想知道經(jīng)過(guò)這次搬家之后，我每天的步行情況有沒(méi)有發(fā)生改變?我們可以利用上文分析周末與工作日步行情況的方法來(lái)分析這個(gè)問(wèn)題。

從上圖中我們可以輕易地看出自從搬到紐約城之后，每天的運(yùn)動(dòng)量確實(shí)增加了。但這是由多方面因素共同決定的，比如搬到紐約城后我的跑步次數(shù)增加了，這會(huì)增加每天的平均步數(shù)。如果想要進(jìn)行更深入的分析，我們需要獲取更多的數(shù)據(jù)支持，由于篇幅問(wèn)題，我們將在之后的文章中繼續(xù)分析。

總結(jié)

我希望這個(gè)分析可以讓您開(kāi)始關(guān)注自己每天的步行情況，并利用 Rodeo 和 pandas 來(lái)分析數(shù)據(jù)。如果你對(duì)這個(gè)項(xiàng)目感興趣的話，可以參閱該鏈接。