{ "cells": [ { "cell_type": "markdown", "source": [ "# Дані про таксі Нью-Йорка взимку та влітку\n", "\n", "Зверніться до [Data dictionary](https://www1.nyc.gov/assets/tlc/downloads/pdf/data_dictionary_trip_records_yellow.pdf), щоб дізнатися більше про стовпці, які були надані.\n" ], "metadata": {} }, { "cell_type": "code", "execution_count": null, "source": [ "#Install the pandas library\r\n", "!pip install pandas" ], "outputs": [], "metadata": { "scrolled": true } }, { "cell_type": "code", "execution_count": 7, "source": [ "import pandas as pd\r\n", "\r\n", "path = '../../data/taxi.csv'\r\n", "\r\n", "#Load the csv file into a dataframe\r\n", "df = pd.read_csv(path)\r\n", "\r\n", "#Print the dataframe\r\n", "print(df)\r\n" ], "outputs": [ { "output_type": "stream", "name": "stdout", "text": [ " VendorID tpep_pickup_datetime tpep_dropoff_datetime passenger_count \\\n", "0 2.0 2019-07-15 16:27:53 2019-07-15 16:44:21 3.0 \n", "1 2.0 2019-07-17 20:26:35 2019-07-17 20:40:09 6.0 \n", "2 2.0 2019-07-06 16:01:08 2019-07-06 16:10:25 1.0 \n", "3 1.0 2019-07-18 22:32:23 2019-07-18 22:35:08 1.0 \n", "4 2.0 2019-07-19 14:54:29 2019-07-19 15:19:08 1.0 \n", ".. ... ... ... ... \n", "195 2.0 2019-01-18 08:42:15 2019-01-18 08:56:57 1.0 \n", "196 1.0 2019-01-19 04:34:45 2019-01-19 04:43:44 1.0 \n", "197 2.0 2019-01-05 10:37:39 2019-01-05 10:42:03 1.0 \n", "198 2.0 2019-01-23 10:36:29 2019-01-23 10:44:34 2.0 \n", "199 2.0 2019-01-30 06:55:58 2019-01-30 07:07:02 5.0 \n", "\n", " trip_distance RatecodeID store_and_fwd_flag PULocationID DOLocationID \\\n", "0 2.02 1.0 N 186 233 \n", "1 1.59 1.0 N 141 161 \n", "2 1.69 1.0 N 246 249 \n", "3 0.90 1.0 N 229 141 \n", "4 4.79 1.0 N 237 107 \n", ".. ... ... ... ... ... \n", "195 1.18 1.0 N 43 237 \n", "196 2.30 1.0 N 148 234 \n", "197 0.83 1.0 N 237 263 \n", "198 1.12 1.0 N 144 113 \n", "199 2.41 1.0 N 209 107 \n", "\n", " payment_type fare_amount extra mta_tax tip_amount tolls_amount \\\n", "0 1.0 12.0 1.0 0.5 4.08 0.0 \n", "1 2.0 10.0 0.5 0.5 0.00 0.0 \n", "2 2.0 8.5 0.0 0.5 0.00 0.0 \n", "3 1.0 4.5 3.0 0.5 1.65 0.0 \n", "4 1.0 19.5 0.0 0.5 5.70 0.0 \n", ".. ... ... ... ... ... ... \n", "195 1.0 10.0 0.0 0.5 2.16 0.0 \n", "196 1.0 9.5 0.5 0.5 2.15 0.0 \n", "197 1.0 5.0 0.0 0.5 1.16 0.0 \n", "198 2.0 7.0 0.0 0.5 0.00 0.0 \n", "199 1.0 10.5 0.0 0.5 1.00 0.0 \n", "\n", " improvement_surcharge total_amount congestion_surcharge \n", "0 0.3 20.38 2.5 \n", "1 0.3 13.80 2.5 \n", "2 0.3 11.80 2.5 \n", "3 0.3 9.95 2.5 \n", "4 0.3 28.50 2.5 \n", ".. ... ... ... \n", "195 0.3 12.96 0.0 \n", "196 0.3 12.95 0.0 \n", "197 0.3 6.96 0.0 \n", "198 0.3 7.80 0.0 \n", "199 0.3 12.30 0.0 \n", "\n", "[200 rows x 18 columns]\n" ] } ], "metadata": {} }, { "cell_type": "markdown", "metadata": {}, "source": [ "\n---\n\n**Відмова від відповідальності**: \nЦей документ був перекладений за допомогою сервісу автоматичного перекладу [Co-op Translator](https://github.com/Azure/co-op-translator). Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.\n" ] } ], "metadata": { "kernelspec": { "name": "python3", "display_name": "Python 3.9.7 64-bit ('venv': venv)" }, "language_info": { "mimetype": "text/x-python", "name": "python", "pygments_lexer": "ipython3", "codemirror_mode": { "name": "ipython", "version": 3 }, "version": "3.9.7", "nbconvert_exporter": "python", "file_extension": ".py" }, "name": "04-nyc-taxi-join-weather-in-pandas", "notebookId": 1709144033725344, "interpreter": { "hash": "6b9b57232c4b57163d057191678da2030059e733b8becc68f245de5a75abe84e" }, "coopTranslator": { "original_hash": "3bd4c20c4e8f3158f483f0f1cc543bb1", "translation_date": "2025-09-01T22:24:59+00:00", "source_file": "4-Data-Science-Lifecycle/14-Introduction/notebook.ipynb", "language_code": "uk" } }, "nbformat": 4, "nbformat_minor": 2 }