Renhai实验室
Renhai实验室
（更新上架）按日分的2.4亿条深圳共享单车企业每日订单表，分为csv和geojson文件

（更新上架）按日分的2.4亿条深圳共享单车企业每日订单表，分为csv和geojson文件

Published on

目录：

按日分的2.4亿条深圳共享单车企业每日订单表，分为csv和geojson文件：爱发电 · （更新上架）按日分的深圳共享单车企业每日订单表csv和geojson文件）

一句话概述

日级导出的深圳共享单车出行数据（含原始坐标 raw 与标准 WGS84 坐标双目录），CSV / GeoJSON，开箱即可用于可视化、统计分析与空间挖掘；兼容任意主流数据库 / 分析引擎导入（PostgreSQL/PostGIS、DuckDB、ClickHouse、SQLite、Pandas、GeoPandas 等）。

你将获得

深圳共享单车企业每日订单表（每日一个csv或geojson文件）/
  wgs84/                    # 标准 WGS84 坐标（推荐用于分析与叠加）
    csv_zip/                # 每天一个 zip，内含该日 CSV
    geojson_zip/            # 每天一个 zip，内含该日 GeoJSON（起点点要素）
  raw/                      # 原始坐标（快速浏览/教学演示）
    csv_zip/
    geojson_zip/
  每日订单数量统计.csv
  README.pdf / 使用指引（可选）
  • 日期覆盖：2021年1月1日到8月30日。 (结合官方和实际数据，只有20210101到20210830这一段时间的数据有意义。)
  • 数据总量：244,412,855 条数据
  • 双坐标系：原始坐标（可能为 GCJ-02 / BD09LL 等，未做纠偏）+ 已转换 WGS84 坐标（可用于对齐卫星 / OSM / GPS 底图）。
  • 常见字段（精简示例，字段命名以实际文件为准）：
    • user_id：匿名化用户标识（仅用于同一用户聚合分析）
    • company_id：运营公司标识
    • start_time_cn / end_time_cn：北京时间字符串
    • start_lng_wgs84 / start_lat_wgs84、end_lng_wgs84 / end_lat_wgs84
    • start_lng_raw / start_lat_raw、end_lng_raw / end_lat_raw
    • （空间格式）GeoJSON 点几何表示行程起点（对应所在坐标系目录）

适用场景

  • 高峰时段规律分析、出行强度统计
  • OD（起终点）热点分布、聚类与格网聚合
  • 骑行时长 / 时间分布特征挖掘
  • 与天气 / 轨道 / 其它公共出行数据叠加（需外部数据源）
  • 教学示例：GeoJSON 可直接拖入 kepler.gl / geojson.io / QGIS

为什么有两个目录？

目录用途特点
wgs84/正式分析、地图叠加、跨数据集融合坐标标准，对齐 OSM / GPS / 卫星底图
raw/快速浏览、教学演示保留原始平台坐标，可能轻微偏移

格式选择建议

需求推荐格式说明
表格浏览 / 快速筛选CSV (zip)兼容 Excel / WPS；体积较大已压缩
在线地图可视化GeoJSON (zip)直接拖入 kepler.gl / geojson.io
大数据批处理 / 列存Parquet / GeoParquet（如提供）高效压缩与向量化读取
Python 空间分析GeoParquet / GeoJSONGeoParquet 若提供优先

发货

  • 发货：购买后平台私信发送提取连接，提供阿里云盘、夸克网盘和百度网盘的链接。

FAQ（可自行裁剪）

Q：点与底图有偏移？
A：检查是否误用了 raw/ 目录，建议换用 wgs84/。

Q：文件太大打不开？
A：只解压需要的日文件；或在 CSV 里抽样（每隔 100 行取 1）。

Q：如何做时间动画？
A：kepler.gl 添加时间过滤器，字段选 start_time_cn。

Q：可以继续追加更多天吗？
A：保持相同字段与目录规范即可追加。

Q：如何转空间格式？
A：用 GeoPandas 读取 CSV，构造 Point 列后另存为 GeoParquet / Shapefile。

增值服务

可以根据私信的联系方式，咨询任何数据集有关的问题。

为了集中讨论，欢迎在Github Issue上面提出问题。

博客相关文章：

拿到爱发电的共享单车每日订单数据后怎么用？

这篇指南教你"不开发也能用数据"。前提是你已经自己用代码或者在我的爱发电 · （更新上架）按日分的深圳共享单车企业每日订单表csv和geojson文件）中获取了每日订单数据。

方式一：只想看看——直接用 Excel/表格

  1. 选择坐标系：建议从 wgs84/csv_zip/ 开始（更标准）
  2. 找到某个日期（例如 bike_data_20210101_wgs84.zip），解压缩得到 CSV。
  3. 用 Excel、WPS 或 Numbers 打开。
  4. 常见字段：

基础信息：

  • start_time_cn / end_time_cn：北京时间字符串
  • user_id：匿名化的用户标识（仅用于同一用户内的统计，如行程计数；不用于身份识别）
  • company_id：运营公司

坐标信息（根据目录不同）：

  • wgs84 目录：start_lng_wgs84/start_lat_wgs84，end_lng_wgs84/end_lat_wgs84
  • raw 目录：start_lng_raw/start_lat_raw，end_lng_raw/end_lat_raw
  1. 你可以用筛选功能看看某天、某公司、或某个时间段的数据量。

不过公司字段不是很准

小提示：CSV 行数可能很多，Excel 会变卡。只做浏览的话，过滤后保存一小份就行。

方式二：想看地图——用免费 Web 工具

准备 GeoJSON 文件：

  • 推荐：在 wgs84/geojson_zip/ 里选一个日期，解压得到 .geojson（标准坐标系），如果你想分析起终点之间的关系，建议用csv文件。
  • 或者：在 raw/geojson_zip/ 里选择（快速浏览用，可能有轻微偏移）

三个简单路线：

  • kepler.gl（强烈推荐，新手友好）

    1. 打开 https://kepler.gl/demo
    2. 拖拽 .geojson 文件到页面
    3. 点开图层设置（Layer），选择 Point
    4. 可以调颜色、大小，按时间刷（Filter 里选择 start_time_cn）
    5. 支持多图层叠加，可以同时查看起点和终点

  • geojson.io（极简，加载大量数据点可能无法打开）

    1. 打开 https://geojson.io
    2. 拖拽 .geojson 到页面
    3. 左侧会显示地图点位，右侧可以看属性

  • QGIS (专业 GIS 软件，免费)

    1. 下载：https://qgis.org/download/
    2. 安装后可以加载 GeoJSON，做更复杂的空间分析

坐标系说明：

  • 如果使用 wgs84 目录的数据，点位会与底图精确对齐
  • 如果使用 raw 目录的数据，可能会有轻微偏移（这是正常的）

方式三：想做一点数据分析（入门版）

如果你愿意安装 Python（推荐新版 3.13）并用终端执行命令，可以这样：

  1. 安装依赖管理器 uv：
  1. 可视化最简单的散点图 ：
# 读取并构造 GeoDataFrame（放在一个单元格）
import zipfile
import pandas as pd
import geopandas as gpd
from shapely.geometry import Point
from shapely import wkt
from pathlib import Path

zip_path = Path('../data/share/wgs84/csv_zip/bike_data_20210101_wgs84.zip')

with zipfile.ZipFile(zip_path) as z:
    with z.open(z.namelist()[0]) as f:
        df = pd.read_csv(f)

# 检查列名并构造经纬度列（容错）
if 'start_lng_wgs84' not in df.columns or 'start_lat_wgs84' not in df.columns:
    if 'start_geom_wgs84' in df.columns:
        pts = df['start_geom_wgs84'].map(lambda s: wkt.loads(s) if pd.notna(s) else None)
        df['start_lng_wgs84'] = pts.map(lambda p: p.x if p else None)
        df['start_lat_wgs84'] = pts.map(lambda p: p.y if p else None)

if 'end_lng_wgs84' not in df.columns or 'end_lat_wgs84' not in df.columns:
    if 'end_geom_wgs84' in df.columns:
        pts = df['end_geom_wgs84'].map(lambda s: wkt.loads(s) if pd.notna(s) else None)
        df['end_lng_wgs84'] = pts.map(lambda p: p.x if p else None)
        df['end_lat_wgs84'] = pts.map(lambda p: p.y if p else None)

# 构造起点/终点 GeoDataFrame（只包含有坐标的行）
start_df = df.dropna(subset=['start_lng_wgs84', 'start_lat_wgs84']).copy()
end_df = df.dropna(subset=['end_lng_wgs84', 'end_lat_wgs84']).copy()

gdf_start = gpd.GeoDataFrame(
    start_df,
    geometry=gpd.points_from_xy(start_df['start_lng_wgs84'], start_df['start_lat_wgs84']),
    crs="EPSG:4326"
)
gdf_end = gpd.GeoDataFrame(
    end_df,
    geometry=gpd.points_from_xy(end_df['end_lng_wgs84'], end_df['end_lat_wgs84']),
    crs="EPSG:4326"
)

# 合并用于统一绘图（添加类型标签）
gdf_start['point_type'] = 'start'
gdf_end['point_type'] = 'end'
gdf = gpd.GeoDataFrame(pd.concat([gdf_start, gdf_end], ignore_index=True), crs="EPSG:4326")

我应该学哪些下一步？（精选清单）

在GitHub上查看•在微信留言区讨论•在知乎评论区讨论