数据集笔记：Telecom Shanghai Dataset
0 数据地址
Telecom Shanghai Dataset (kaggle.com)
1 数据描述
- 该数据集由上海电信提供，包含超过720万条记录，记录了9481部手机通过3233个基站访问互联网的情况，时间跨度为六个月。
- 例如，下图显示了基站的分布情况。每个节点代表中国上海的一个基站。
- 这个数据集可以帮助研究人员评估他们在移动边缘计算主题上的解决方案，如边缘服务器部署、服务迁移、服务推荐等。
2 数据介绍
- 电信数据集展示了6个参数，例如月份、数据、开始时间、结束时间、基站位置、手机ID。
- 通过数据集可以找到用户的轨迹。
每15天一个表
3 python读取+可视化
3.1 读取数据
import pandas as pd
data=pd.read_excel('Downloads/Telecom Shanghai Dataset/data_10.110.15.xlsx',names=['Data','start time','end time','cell station lon','cell station lat','user id'])
3.2 剔除经纬度为NaN的record
data1=data.dropna()
data1
3.3 选择某一天的数据
import datetime
data2=data1[(data1['start time']>=datetime.datetime(2014,10,15)) & (data1['start time']
3.4 根据user id和时间排序
data2=data2.sort_values(by=['user id','start time'])
data2
3.5 停留的记录只保留第一条
3.5.1 首先确定哪些时刻在移动
记录当前位置和前一时刻的位置
data2['location']=data2['cell station lon'].astype(str)+'_'+data2['cell station lat'].astype(str)
data2
data2['prev_location']=data2['location'].shift(1)
data2 
data2['location_changed']=(data2['location']!=data2['prev_location'])
data2 
3.5.2 保留当前时刻在移动的记录
data3=data2[data2['location_changed']==True]
data3 
data3=data3[[ 'start time', 'end time', 'cell station lon',
'cell station lat', 'user id']]
data3 
3.6 保留轨迹长度大于10的轨迹
计算每一个用户id出现的次数
iid=data3.groupby('user id').size().reset_index(name='count')
iid
iid['count'].describe()
'''
count 2956.000000
mean 4.675237
std 4.769128
min 1.000000
25% 2.000000
50% 3.000000
75% 6.000000
max 69.000000
Name: count, dtype: float64
'''iid=iid[iid['count']>10]
iid
data4=data3[data3['user id'].isin(iid['user id'])]
data4
3.7 绘制一条轨迹（使用folium）
import numpy as np
tmp=data4[data4['user id']=='00a05a4f2b937fd38888c03213c4deb2'].reset_index()
tra_lst=[]
for j in range(tmp.shape[0]):
tra_lst.append([tmp.at[j,'cell station lon'],tmp.at[j,'cell station lat']])
tra_lst=np.array(tra_lst)
m=folium.Map(location=tra_lst.mean(axis=0),zoom_start=13)
for i in tra_lst:
folium.Marker(location=i).add_to(m)
folium.PolyLine(locations=tra_lst).add_to(m)
m