【文件属性】：
文件名称：PyBer_Analysis：第5周项目-Jupyter Notebook，Matplotlib，Python和Pandas。 使用Matplotlib创建线形图，条形图，散点图，气泡图，饼图和箱须图。 使用Pandas，NumPy和SciPy统计信息确定均值，中位数和众数
文件大小：700KB
文件格式：ZIP
更新时间：2024-03-03 21:18:37
JupyterNotebook
PyBer_Analysis
总览
使用Python和Pandas，我们创建了一个按城市类型划分的乘车共享数据的摘要数据框，该数据框来自两个单独的csv文件，其中包含乘车成千上万的元数据。 然后，使用Pandas和Matplotlib创建多线图，显示每种城市类型的每周总票价。
结果
以下是按总乘坐次数，总驾驶员数量，总票价，每次乘车平均票价和每个驾驶员平均票价来比较城市类型的细目。
如我们所料，市区的驾驶员和乘车人最多。 鉴于乘车频率较高，并且有可用的驾驶员数量，因此与农村和郊区城市相比，这似乎使平均每车次票价和每个驾驶员的平均票价下降了。
在乡村城市中，由于驾驶员数量少和乘车需求量少，因此，平均单程车费和每位驾驶员平均车费成为所有城市中最高的。
以下是一个折线图，向我们展示了根据获得的乘车总票价对城市类型进行的比较，并按1月至4月之间的每周增量细分。
这告诉我们，我们最大的收入来
【文件预览】：
PyBer_Analysis-main
----Resources()
--------ride_data.csv(125KB)
--------city_data.csv(3KB)
--------.DS_Store(6KB)
--------PyBer_ride_data.csv(157B)
----PyBer_Challenge.ipynb(110KB)
----analysis()
--------pyber_summary.png(34KB)
--------Fig5.png(22KB)
--------Fig2.png(14KB)
--------.DS_Store(6KB)
--------Fig6.png(25KB)
--------Fig4.png(14KB)
--------Fig1.png(67KB)
--------PyBer_fare_summary.png(46KB)
--------Fig7.png(25KB)
--------Fig3.png(12KB)
----README.md(3KB)
----PyBer.ipynb(538KB)