經過了整理、分析、視覺化等流程，要讓這些資訊變成股東/上司(觀眾)能夠快速進入狀況與理解的內容。
如最初所提到的，分析目標重點是【如何讓新客轉換為會員】，所以我自己列了以下幾個問題，站在使用者角度(偶爾也會騎一下Ubike哈哈)來促使自己各種思考，再來挑選一些本次目標有關的內容。

有哪些契機會讓使用者租用腳踏車服務?
有哪些原因會讓使用者想租借得久一點?
有哪些原因會讓使用者重複使用服務?
其他可能會影響到租借意願的因素
有哪些誘因會讓新客想加入會員?
如果要更進一步分析，可能還需要哪些資料?

接下來幾天的文章，應該會比較著重在如何一步步搭建資料故事的過程，並一天完成一點點簡報內容分享在這邊。

此外，補充一下之前分析沒有想到的一些面向:

#騎乘時間長的紀錄，有特定分布在哪一些站點嗎?
def data_mask(dataframe,column_1,time_1,column_2):
    m=dataframe[column_1]>time_1
    number=dataframe[column_1][m].count()
    station=dataframe[m][column_2].value_counts()
    
    return number,station

data_mask(df1,'ride_length','12:00:00','start_station_name')

###
(410,
 Lake Shore Dr & Monroe St                      18
 Wabash Ave & Grand Ave                         10
 Shedd Aquarium                                 10
 Streeter Dr & Grand Ave                         8
 LaSalle St & Jackson Blvd                       7
                                                ..
 Ashland Ave & Archer Ave                        1
 Desplaines St & Jackson Blvd                    1
 63rd St Beach                                   1
 Burling St (Halsted) & Diversey Pkwy (Temp)     1
 Damen Ave & Chicago Ave                         1
 Name: start_station_name, Length: 216, dtype: int64)

#會在同站點租借&歸還者的數目，有沒有特別分布在那些站點(因為觀察到長時間租借的很多都同站還)
def rent_return(dataframe,time_1,column_1,column_2,column_3):
    m=dataframe[column_1]>time_1
    number=dataframe[column_1][m].count()
    rent=dataframe[m][dataframe[m][column_2]==dataframe[m][column_3]].count()
    place=dataframe[m][column_2][dataframe[m][column_2]==dataframe[m][column_3]].value_counts()
    
    return number,rent,place

rent_return(df1,'01:00:00','ride_length','start_station_name','end_station_name')

###
(7446,
 ride_id               2029
 rideable_type         2029
 started_at            2029
 ended_at              2029
 start_station_name    2029
 start_station_id      2029
 end_station_name      2029
 end_station_id        2029
 start_lat             2029
 start_lng             2029
 end_lat               2029
 end_lng               2029
 member_casual         2029
 ride_length           2029
 day_of_the_week       2029
 dtype: int64,
 Wabash Ave & Grand Ave             71
 Lake Shore Dr & Monroe St          43
 Michigan Ave & Washington St       43
 Lakefront Trail & Bryn Mawr Ave    37
 Michigan Ave & Oak St              36
                                    ..
 Chicago Ave & Dempster St           1
 Greenview Ave & Fullerton Ave       1
 Racine Ave & Congress Pkwy          1
 South Shore Dr & 71st St            1
 California Ave & Byron St           1
 Name: start_station_name, Length: 373, dtype: int64)

明天見!