# ucl-bikesharing

**Repository Path**: ppshux/ucl-bikesharing

## Basic Information

- **Project Name**: ucl-bikesharing
- **Description**: 本项目基于 UCI Bike Sharing 数据集，完成对共享单车租赁需求的全流程数据挖掘分析，包括：
数据预处理与探索性数据分析（EDA）
K-Means 聚类模型构建与最优 K 值选择
Apriori 关联规则挖掘
趋势分析、可视化与业务解释
项目结构清晰，包含 Notebook 源码、图表输出、报告文档以及运行指南，能够完整复现分析过程，可用于课程作业展示或数据挖掘入门参考。
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-12-11
- **Last Updated**: 2026-03-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 数据挖掘项目：UCI 自行车共享数据分析

## 📋 项目概述

本项目对 UCI 自行车共享数据集进行了全面的数据挖掘分析，包括：
- **探索性数据分析（EDA）**：数据质量检查、描述性统计、相关性分析、趋势分析
- **K-Means 聚类分析**：识别需求模式，发现客户细分
- **Apriori 关联规则挖掘**：发现温度、湿度与需求之间的关联关系

## 📁 项目结构

```
data_mining_project/
├── data/                      # 数据集目录
│   ├── hour.csv              # 小时级别数据（主要使用）
│   └── day.csv               # 日级别数据
│
├── eda.ipynb                 # EDA 分析 notebook
├── clustering.ipynb           # K-Means 聚类分析 notebook
├── association_rules.ipynb    # Apriori 关联规则挖掘 notebook
├── 综合总结.ipynb            # 整合所有分析的总结报告
│
├── output/                    # 最终版输出目录
│   ├── *.png                 # 所有图表文件（300 DPI）
│   ├── *.csv                 # 数据结果文件
│   └── *.txt                 # 分析总结文档
│
├── visualization/             # 可视化目录（中间文件）
├── report/                    # 报告材料目录
│   ├── 数据分析大作业报告.md
│   ├── PPT_文案_中文.md
│   └── Python_vs_Weka_聚类对比分析.md
│
└── README.md                  # 本文件
```

## 🚀 快速开始

### 环境要求

- Python 3.7+
- Jupyter Notebook 或 JupyterLab
- 必需的 Python 库：
  ```bash
  pip install pandas numpy matplotlib seaborn scikit-learn
  ```

### 运行步骤

#### 1. 准备数据

确保数据文件已放置在 `data/` 目录下：
- `data/hour.csv` （必需）
- `data/day.csv` （可选）

#### 2. 运行分析 Notebook

**按顺序运行以下 notebook：**

1. **eda.ipynb** - 探索性数据分析
   - 运行时间：约 2-3 分钟
   - 生成内容：
     - EDA 图表（小时趋势图、周趋势图、月趋势图、相关性热力图、直方图等）
     - `output/EDA分析总结.txt`

2. **clustering.ipynb** - K-Means 聚类分析
   - 运行时间：约 1-2 分钟
   - 生成内容：
     - 聚类图表（SSE 曲线、轮廓系数曲线、散点图、簇中心对比图等）
     - `output/聚类分析总结.txt`

3. **association_rules.ipynb** - Apriori 关联规则挖掘
   - 运行时间：约 1-2 分钟
   - 生成内容：
     - 关联规则结果表格（PNG 和 CSV）
     - `output/关联规则分析总结.txt`

4. **综合总结.ipynb** - 生成完整项目报告
   - 运行时间：< 1 分钟
   - 生成内容：
     - `output/项目完整总结报告.txt`

### 3. 查看结果

所有输出文件保存在 `output/` 目录：
- **图表文件**：15+ 张 PNG 图表（300 DPI，适合 PPT 和报告）
- **数据文件**：CSV 格式的统计结果和规则表格
- **总结文档**：4 个文本文件，包含详细的分析总结

## 📊 输出文件说明

### 图表文件（PNG，300 DPI）

**EDA 分析图表：**
- `小时趋势图.png` - 按小时的需求趋势
- `周趋势图.png` - 按星期的需求趋势
- `月趋势图.png` - 按月份的需求趋势
- `相关性热力图.png` - 特征相关性矩阵
- `直方图_temp.png` - 温度分布
- `直方图_hum.png` - 湿度分布
- `直方图_cnt.png` - 租车量分布
- `直方图_hr.png` - 小时分布

**聚类分析图表：**
- `SSE_肘部法曲线.png` - SSE 曲线（确定最优 k）
- `轮廓系数曲线.png` - 轮廓系数曲线（确定最优 k）
- `聚类散点图_温度vs租车量.png` - 温度与租车量聚类结果
- `聚类散点图_小时vs租车量.png` - 小时与租车量聚类结果
- `簇中心对比图.png` - 各簇中心特征对比

**关联规则分析：**
- `Apriori规则结果表格.png` - 关联规则可视化表格
- `Apriori规则结果表格.csv` - 关联规则 CSV 数据

### 总结文档（TXT）

- `EDA分析总结.txt` - EDA 分析完整总结
- `聚类分析总结.txt` - 聚类分析完整总结
- `关联规则分析总结.txt` - 关联规则分析完整总结
- `项目完整总结报告.txt` - 整合所有模块的完整报告

## 📝 代码说明

### Notebook 结构

每个 notebook 都包含：
- **Markdown 单元格**：说明分析步骤和目的
- **代码单元格**：包含详细的中文注释
- **输出单元格**：显示分析结果和图表

### 关键功能

1. **自动字段映射**：兼容不同的字段命名（如 hr/hour, hum/humidity）
2. **自动最佳 k 选择**：使用 SSE 和轮廓系数双重评估
3. **智能簇解释**：自动生成中文业务解释
4. **统一输出**：所有图表保存到 `output/` 目录，文件名清晰

## 📖 报告材料

### 中文报告

- `report/数据分析大作业报告.md` - 完整的中文报告（约 5 页）
- `report/PPT_文案_中文.md` - 中文 PPT 文案（26 个幻灯片）

### 英文材料

- `report/PPT_Script_English.md` - 英文 PPT 文案

### 对比分析

- `report/Python_vs_Weka_聚类对比分析.md` - Python 与 Weka 工具对比

## 🔧 常见问题

### Q1: 运行 notebook 时出现中文显示问题

**解决方案：**
- 确保系统已安装中文字体（SimHei 或 Microsoft YaHei）
- 代码中已设置字体参数，如仍有问题，可修改 `plt.rcParams['font.sans-serif']`

### Q2: 找不到数据文件

**解决方案：**
- 确保 `hour.csv` 和 `day.csv` 在 `data/` 目录下
- 代码会自动检测并使用 `hour.csv`（如果找不到 `bike.csv`）

### Q3: 图表没有生成

**解决方案：**
- 确保 `output/` 目录存在（代码会自动创建）
- 检查是否有写入权限
- 查看 notebook 输出中的错误信息

### Q4: 如何修改分析参数

**EDA 分析：**
- 修改 `eda.ipynb` 中的字段选择和分析范围

**聚类分析：**
- 修改 `clustering.ipynb` 中的 `k_range` 来尝试不同的 k 值
- 修改 `min_support` 和 `min_confidence` 来调整规则筛选

**关联规则：**
- 修改 `association_rules.ipynb` 中的 `min_support` 和 `min_confidence`

## 📚 技术栈

- **数据处理**：pandas, numpy
- **可视化**：matplotlib, seaborn
- **机器学习**：scikit-learn (KMeans, StandardScaler, silhouette_score)
- **算法实现**：自实现 Apriori 算法

## 👤 作者信息

- **角色**：分析与可视化负责人
- **任务**：EDA + 聚类 + 可视化

## 📄 许可证

本项目为课程作业项目，仅供学习和研究使用。

## 🙏 致谢

- 数据集来源：UCI Machine Learning Repository - Bike Sharing Dataset
- 感谢课程提供的指导和支持

---

**最后更新**：2024年  
**项目状态**：✅ 已完成，可直接运行