Analisi dei Dati sui Taxi - Marzo 2016

Questo progetto analizza un dataset relativo ai viaggi in taxi nel mese di marzo 2016, con l'obiettivo di esplorare, pulire e visualizzare i dati per ottenere informazioni utili sulle tendenze dei trasporti.

Dati utilizzati

Il dataset analizzato si chiama "yellow_tripdata_2016-03.csv" e contiene informazioni sui viaggi effettuati con i taxi gialli a New York.

Principali colonne del dataset:

• pickup_datetime: data e ora di inizio del viaggio
• dropoff_datetime: data e ora di fine del viaggio
• passenger_count: numero di passeggeri
• trip_distance: distanza percorsa in miglia
• fare_amount: costo della corsa
• payment_type: metodo di pagamento
• store_and_fwd_flag: indicatore se i dati sono stati archiviati prima di essere inviati al server

Obiettivi del progetto

1. Caricamento ed esplorazione dei dati: verificare la struttura del dataset e individuare eventuali valori mancanti.
2. Pulizia dei dati: eliminare colonne non necessarie e gestire i dati nulli.
3. Analisi statistica: osservare le principali statistiche descrittive dei dati.
4. Visualizzazione dei dati: creare grafici per analizzare distribuzioni e trend dei viaggi in taxi.

Tecnologie utilizzate

• pandas per la manipolazione e pulizia dei dati
• numpy per le operazioni numeriche
• matplotlib e seaborn per la visualizzazione grafica dei dati
• folium per la creazione di mappe interattive.
• scikit-learn per la modellazione e l'analisi predittiva.
• tensorflow e keras per l'implementazione del modello LSTM e il deep learning.

Passaggi principali dell'analisi

1. Caricamento dei dati: lettura del file CSV in un DataFrame Pandas.
2. Pulizia dei dati:
   • Rimozione di colonne inutili (Unnamed: 0, store_and_fwd_flag)
   • Eliminazione di valori nulli
3. Esplorazione del dataset:
   • Utilizzo di df.info() e df.describe() per analizzare la struttura e le statistiche dei dati
4. Visualizzazione dei dati:
   • Creazione di grafici per osservare la distribuzione dei passeggeri, la distanza media delle corse e la distribuzione dei costi delle corse.
5. Modellazione Predittiva:
   • Implementazione di modelli di Regressione Lineare e Regressione Logistica per identificare relazioni tra le variabili e prevedere andamenti futuri.
   • Utilizzo di modelli di Deep Learning basati su LSTM per effettuare previsioni a lungo termine sui trend dei viaggi.
6. Visualizzazione Geospaziale:
   • Creazione di mappe interattive con folium per rappresentare la distribuzione geografica dei punti di partenza e destinazione dei taxi.

Risultati ottenuti

Dall'analisi dei dati emergono alcune tendenze chiave:

• La maggior parte delle corse coinvolge uno o due passeggeri, suggerendo un utilizzo prevalente da parte di individui o coppie.
• Le distanze percorse mostrano una distribuzione con una forte presenza di viaggi brevi, tipici degli spostamenti urbani.
• Il pagamento con carta di credito è il metodo più utilizzato, suggerendo una crescente digitalizzazione delle transazioni nei servizi di trasporto.

Conclusioni

Questa analisi fornisce una panoramica delle principali caratteristiche dei viaggi in taxi a New York nel marzo 2016. Il dataset è stato ripulito e analizzato, fornendo una visione sulle abitudini dei passeggeri e sulle dinamiche di trasporto urbano.

Fonte Dataset

https://www.kaggle.com/datasets/elemento/nyc-yellow-taxi-trip-data

Versione python utilizzata:

3.11.8