用Python+Matplotlib搞定地铁客流分析：从Excel数据到散点图、柱状图实战

Python+Matplotlib地铁客流分析实战：从数据清洗到可视化洞察

地铁作为城市交通的动脉，每天承载着数百万人的出行需求。对于运营管理者来说，理解客流规律是优化调度、提升服务的关键；对于商业开发者而言，掌握客流趋势意味着精准选址的可能。本文将带你用Python和Matplotlib，从一份真实的Excel客流数据出发，完成从基础图表到多维分析的全流程实战。

1. 数据准备与环境搭建

在开始分析前，我们需要确保工具链的完整性。推荐使用Anaconda发行版，它预装了数据分析三件套：Python、Jupyter Notebook和主要科学计算库。

conda create -n subway_analysis python=3.9 conda activate subway_analysis conda install pandas matplotlib openpyxl

假设我们获得的原始数据是"metro_flow_2023.xlsx"，包含以下字段：

提示：实际数据中可能包含异常值或缺失值，建议先用pandas的describe()方法快速了解数据分布

import pandas as pd df = pd.read_excel('metro_flow_2023.xlsx') print(df.describe())

2. 单站点时序分析：散点图与折线图对比

选择人流量中等的155号站作为分析样本，先观察其24小时进站客流分布。散点图适合展示原始数据点分布，而折线图能更清晰呈现趋势变化。

import matplotlib.pyplot as plt station_155 = df[df['station_id'] == 155].sort_values('time_slot') plt.figure(figsize=(12, 6)) plt.scatter(station_155['time_slot'], station_155['entry_flow'], alpha=0.6, label='原始数据点') plt.plot(station_155['time_slot'], station_155['entry_flow'], 'r-', linewidth=2, label='趋势线') plt.xticks(rotation=45) plt.xlabel('时段') plt.ylabel('进站人次') plt.title('155号站24小时进站客流分布') plt.legend() plt.tight_layout() plt.show()

关键观察点：

• 早高峰（07:00-09:00）呈现典型的脉冲式增长
• 午间（11:00-13:00）出现小高峰
• 晚高峰（17:00-19:00）持续时间比早高峰更长

3. 多站点对比分析：柱状图与箱线图应用

比较相邻站点（155、157、151、123）的日均客流，柱状图能直观展示总量差异，而箱线图则揭示数据分布特征。

# 计算各站日均客流 daily_avg = df.groupby('station_id')['entry_flow'].mean().loc[[155, 157, 151, 123]] plt.figure(figsize=(10, 5)) plt.subplot(1, 2, 1) daily_avg.plot(kind='bar', color=['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728']) plt.ylabel('日均进站人次') plt.title('四站点日均客流对比') plt.subplot(1, 2, 2) station_data = [df[df['station_id']==sid]['entry_flow'] for sid in [155,157,151,123]] plt.boxplot(station_data, labels=['155','157','151','123']) plt.ylabel('进站人次分布') plt.title('客流分布箱线图') plt.tight_layout()

分析发现：

• 155站虽然日均客流不是最高，但存在更多极端高峰值
• 123站客流稳定，适合设置常规商业设施
• 157站早晚高峰差异最大，可能需要弹性调度

4. 客流时空矩阵：热力图与子图组合

要同时分析时间和空间维度，可以创建热力图展示各时段各站点的客流强度，并用子图组合多个视角。

from matplotlib.colors import LinearSegmentedColormap # 创建时段-站点客流矩阵 time_station = df.pivot_table(index='time_slot', columns='station_id', values='entry_flow', aggfunc='mean') plt.figure(figsize=(15, 8)) plt.subplot(2, 1, 1) custom_cmap = LinearSegmentedColormap.from_list('custom', ['#f7fbff','#4292c6','#08306b']) plt.imshow(time_station.T, aspect='auto', cmap=custom_cmap) plt.colorbar(label='客流强度') plt.yticks(range(len(time_station.columns)), time_station.columns) plt.title('各站点分时段客流热力图') plt.subplot(2, 2, 3) df['hour'] = pd.to_datetime(df['time_slot'].str[:5]).dt.hour hourly_avg = df.groupby('hour')['entry_flow'].mean() hourly_avg.plot(kind='area', alpha=0.5) plt.title('全路网小时级客流趋势') plt.subplot(2, 2, 4) top_stations = df.groupby('station_id')['entry_flow'].sum().nlargest(5) top_stations.plot(kind='pie', autopct='%1.1f%%') plt.ylabel('') plt.title('客流总量TOP5站点') plt.tight_layout()

5. 高级分析技巧：客流预测与异常检测

在基础可视化之上，我们可以结合统计学方法进行深度分析。例如使用移动平均平滑数据，或通过Z-score识别异常客流日。

from scipy import stats import numpy as np # 计算7天移动平均 station_155['7d_avg'] = station_155['entry_flow'].rolling(window=7).mean() # 异常值检测 z_scores = np.abs(stats.zscore(station_155['entry_flow'])) anomalies = station_155[z_scores > 3] plt.figure(figsize=(12, 6)) plt.plot(station_155['date'], station_155['entry_flow'], label='实际客流', alpha=0.5) plt.plot(station_155['date'], station_155['7d_avg'], 'r-', label='7日移动平均') plt.scatter(anomalies['date'], anomalies['entry_flow'], color='black', marker='x', s=100, label='异常值') plt.xticks(rotation=45) plt.legend() plt.title('155号站客流趋势与异常检测')

实际项目中，这种分析能帮助运营方快速发现设备故障、大型活动等特殊情况导致的客流异常，及时调整应急预案。