PyBer_Analysis：第5周项目-Jupyter Notebook，Matplotlib，Python和Pandas。 ...

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