London Bike Sharing

Índice

• Introdução
• Como Usar
• Descrição dos Dados
• Tecnologias Usadas

1. Introdução

O projeto analisa dados de compartilhamento de bicicletas em Londres. O conjunto de dados mostra a quantidade de bicicletas alugadas a cada hora e parâmetros relacionados, como temperatura, umidade e velocidade do vento.

O conjunto de dados foi obtido através do Kaggle e está disponível no seguinte link: London Bike Sharing Dataset.

2. Como Usar

Para iniciar o projeto, siga os passos abaixo:

1. Instale as dependências:

    pip install -r requirements.txt

2. Prepare os Dados:

   • O arquivo 01_extract_files.ipynb é utilizado para fazer o download e extrair o arquivo .zip do Kaggle.

   • Ambos os arquivos, o .zip e os arquivos extraídos, serão armazenados na pasta datasets.

3. Análise Exploratória:

   • Use o notebook 02_london_bikes.ipynb para realizar a limpeza e análise exploratória dos dados.

   • Após a análise, um arquivo Excel chamado london_bikes_final.xlsx será gerado e salvo na pasta datasets.

4. Dashboard:

   • Um dashboard foi criado no Tableau com os dados limpos e está disponível no seguinte link: London Bike Rides Dashboard.

   • O arquivo London_bike_ride.twb foi salvo na pasta dashboard, caso queira importar o projeto no Tableau

3. Descrição dos Dados

O conjunto de dados inclui as seguintes colunas:

• timestamp: Data e hora para agrupamento dos dados.

• cnt: Contagem de novas bicicletas compartilhadas.

• t1: Temperatura real em °C.

• t2: Temperatura em °C que "se sente como".

• hum: Umidade em porcentagem.

• windspeed: Velocidade do vento em km/h.

• weather_code: Categoria do clima.

• is_holiday: Campo booleano - 1 se for feriado / 0 se não for.

• is_weekend: Campo booleano - 1 se o dia for um final de semana.

• season: Categoria dos meteorológicos das estações:

  • 0 = spring;
  • 1 = summer;
  • 2 = fall;
  • 3 = winter.

• weather_code: descrição das condições climáticas

  • 1 = Clear ; mostly clear but have some values with haze/fog/patches of fog/ fog in vicinity
  • 2 = scattered clouds / few clouds
  • 3 = Broken clouds
  • 4 = Cloudy
  • 7 = Rain/ light Rain shower/ Light rain
  • 10 = rain with thunderstorm
  • 26 = snowfall
  • 94 = Freezing Fog

4. Tecnologias Usadas

• Python: Linguagem de programação principal.
• Jupyter Notebook: Para análise e limpeza dos dados.
• Pandas: Biblioteca para manipulação e análise de dados.
• Tableau: Para criação do dashboard.