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)