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
评论0
最新资源