文件名称：PyBer_Analysis:UCB Bootcamp项目，Ridesharing数据分析
文件大小：872KB
文件格式：ZIP
更新时间：2024-05-09 00:56:48
JupyterNotebook
PyBer分析 UCB Bootcamp项目，Ridesharing数据分析 分析概述 该分析的目的是分析不同变量对不同城市类型的影响。 对数据进行了切片，以便我们可以按城市类型查看乘车总计，驾驶员，票价总计和平均票价。 结果 数据框分析 如上述数据框所示，城市类型与许多不同的指标相关。 随着城市类型的密度提高（农村密度最低，城市密度最高），乘车和驾驶员总数增加，而每次乘车的平均票价以及每位驾驶员的平均票价下降。 但是，数量的增加超过了平均票价的下降，这意味着较密集地区的票价总和高于较不密集地区的票价总和。 随时间推移按城市类型绘制票价图表 上面的折线图揭示了更多有趣的趋势。 这在视觉上代表了不同城市类型之间总票价的差距，其中密集的城市城市带来的收入最多，郊区中心排名第二，而农村地区的收入则最少。 随着时间的流逝，这三种城市类型似乎确实一起移动，但是不同城市类型中的高峰和低谷并没有完全
【文件预览】：
PyBer_Analysis-main
----Untitled.ipynb(76KB)
----Resources()
--------ride_data.csv(122KB)
--------city_data.csv(3KB)
--------PyBer_ride_data.csv(148B)
----PyBer_Challenge.ipynb(92KB)
----analysis()
--------pyber_df_summary.PNG(6KB)
--------Fig5.png(18KB)
--------Fig2.png(14KB)
--------Fig6.png(25KB)
--------Fig1.png(67KB)
--------PyBer_fare_summary.png(52KB)
--------Fig7.png(25KB)
----.gitignore(2KB)
----README.md(3KB)
----matplotlib_practice.ipynb(389KB)
----PyBer_ride_data.ipynb(67KB)
----PyBer.ipynb(390KB)