纽约自行车骑士分析 在自治市镇级别和自行车站点位置上对纽约市事故进行分析。 数据源 •自行车站: : •车辆撞车: : 设置环境的步骤 •下载车辆撞车的csv文件,并将其放置在与其他文件相同的目录中。 •使用pip软件包管理器按照笔记本文件中的说明安装所有软件包。 •更新放置所有文件的项目的工作目录。 •运行笔记本文件。 迄今为止完成的工作包括 关于车辆碰撞和自行车站位置的探索性数据分析。 建立预测未来几年事故的模式。 任何意见/建议/问题都非常欢迎。 谢谢!
2021-06-30 21:08:40 4.19MB JupyterNotebook
1
纽约市-Airbnb-数据产品 纽约市Airbnb数据的数据分析,可视化和预测 描述 该项目分析了2019年从纽约市地区收集的Airbnb数据,该数据的列表范围从私人住宅到房间,邻里,邻里群体,价格等。该项目的目标是创建一个可以预测的模型未来的AirBnb价格以及城市中哪些街区最有利可图。 数据源 该公开数据集是Airbnb的一部分,其原始资源可在此上。 它包含定性和定量数据的混合,有48,895个条目和16列。 我们的模型将包括34,218个培训条目和14,666个测试目标标签PRICE的条目。 结果 模型 RSME平均值 RSME平均10倍 线性回归 0.495 0.498 随机森林回归 0.493 0.509 XgBoost 0.473 N 套索回归 0.693 0.698 模型 准确性 随机森林分类器 83.4% 逻辑回归 84.5% (整体最佳) 决策树 8
2021-06-29 10:48:00 2.51MB python data-science numpy pandas
1
该数据包含DCAS当时管理的每座建筑物的名称,地址,位置和2015年财务周期能耗的信息。 DCAS_Managed_Building_Energy_Usage.csv
2021-06-27 11:01:48 3KB 数据集
1
nycdb 让我们研究房东! 纽约市正面临住房危机。 一些绝望地离开了他们的建筑物,让他们的房客在冬天没有热量。 其他人则合法或非法驱逐其房客,以转移建筑物并从中产阶级化中获利。 经济适用房是一种稀缺资源。 想要在斗争中使用数据的居民,律师,租户和组织者会转向专有数据库和资源,例如PropertyShark,这些房地产和资源是为房地产设计的,或者与CSV和城市网站的打印输出抗衡。 nycdb旨在通过提供一个包含房屋数据的即用型数据库,为想要志愿投入时间的技术人员和研究人员提供帮助,以捍卫城市免受房地产业的侵害。 nycdb是一个python程序,可将以下公共数据集下载,处理并将其加载到p
2021-05-13 10:08:05 795KB nyc data database psql
1
201501-citibike-tripdata.csv,Bike-NYC.csv 类似数据,python excel学习用到的资料。从Excel到Python——数据分析进阶指南.pdf 最后大题用到的资源。有用就点赞
2021-05-07 23:01:00 13.95MB pandas excel python 数据分析
1
NYC-Parking-Finder:具有React Mapbox和Mongo的全栈Web应用
2021-03-25 13:07:15 213KB JavaScript
1
配合IDE使用
2021-03-24 22:00:16 1.11MB 九齐单片机 开发环境 C
1
人行道宽度NYC 人行道宽度NYC使用生成5个行政区的人行道宽度地图。 此存储库包含用于重现此工作的笔记本,以及完成的GeoJSON格式的Sidewalk Width数据集。 关联 方法 来自纽约市的多边形打开数据 溶解相邻的人行道多边形 查找人行道中心线 去除短端并简化 测量从中心线到原始多边形的距离 分叉 如果要为自己的城市制作人行道宽度的版本,只需分叉此存储库并使用所需代码的任何部分即可。 并非所有城市都会有可公开访问的平面人行道数据,因此您可能需要以其他方式(即路缘至宗地边界)生成人行道数据集。 该网站仅需进行少量更改即可使用。 我已经将您需要自定义的大多数变量合并到一个名为settings.js的文件settings.js 。 它应该包括诸如Mapbox令牌,人行道宽度等级以及要自定义的度量单位之类的内容。 地图框 人行道宽度将Mapbox用于自定义地图样式,并将人
2021-03-23 08:55:01 21.52MB JupyterNotebook
1
使用Python进行数据分析:具有NYC开放数据的初学者指南 马克·鲍尔 目录 1.简介 使用Python进行数据分析:具有NYC开放数据功能的初学者指南是一个分为四个部分的系列,如以下各节所述。 该库具有笔记本电脑,这些笔记本电脑将使用和集。 本系列举例说明如何将数据分析用于发现有用信息和支持决策。 内容包括: 第1部分:。 第2部分: 。 第3部分: 。 第4部分: 。 2.笔记本 文档名称 描述 静态网页 读取和写入文件。 数据检查,清洁和整理。 绘图和数据可视化。 地理空间数据和制图。 3.资料 数据集 描述 建筑物的足迹轮廓Shapefile在纽约城。 MapPLUTO将PLUTO税收批次数据与财政部数字税收地图(DTM)的税收批次功能合并,可作为海岸线修剪和水源使用。 它以ESRI shapefile和File Geodatabase格式包含税收批次级别的大
2021-02-27 09:07:12 96.5MB python nyc numpy pandas-dataframe
1
微匹配 javascript / node.js的全局匹配。 迷你匹配和多重匹配的替代品和更快的替代品。 请考虑关注该项目的作者 ,并考虑为该项目以显示您的 :red_heart_selector: 和支持。 目录 细节 安装 使用安装: $ npm install --save micromatch 快速开始 const micromatch = require ( 'micromatch' ) ; // micromatch(list, patterns[, options]); 包含字符串列表和一个或多个glob模式: console . log ( micromatch ( [ 'foo' , 'bar' , 'baz' , 'qux' ] , [ 'f*' , 'b*' ] ) ) //=> ['foo', 'bar', 'baz'] console . log ( micromatch ( [ 'foo' , 'bar' , 'baz' , 'qux' ] , [ '*' , '!b*' ] ) ) //=> ['foo', 'qux'] 使用进行布尔匹配:
2021-01-30 20:08:35 106KB javascript bash node regex
1