LABORATORIO

ISABEL CRISTINA TORO

NELSON IVAN ROJAS
JHON SIERRA VALERO
url = "https://data.seattle.gov/Transportation/Fremont-Bridge-Bicycle-
Counter/65db-xm6k/data"

df=pd.read_csv("Fremon.csv")

df. size

350400

df

Date Fremont Bridge Total \

0 10/03/2012 12:00:00 AM 13.0
1 10/03/2012 01:00:00 AM 10.0
2 10/03/2012 02:00:00 AM 2.0
3 10/03/2012 03:00:00 AM 5.0
4 10/03/2012 04:00:00 AM 7.0
... ... ...
87595 09/30/2022 07:00:00 PM 168.0
87596 09/30/2022 08:00:00 PM 73.0
87597 09/30/2022 09:00:00 PM 69.0
87598 09/30/2022 10:00:00 PM 51.0
87599 09/30/2022 11:00:00 PM 59.0

Fremont Bridge East Sidewalk Fremont Bridge West Sidewalk

0 4.0 9.0
1 4.0 6.0
2 1.0 1.0
3 2.0 3.0
4 6.0 1.0
... ... ...
87595 57.0 111.0
87596 33.0 40.0
87597 30.0 39.0
87598 10.0 41.0
87599 22.0 37.0

[87600 rows x 4 columns]

1. Mostrar las 10 primeras filas (ejemplos)

df.head(10)
 Date Fremont Bridge Total Fremont Bridge East
Sidewalk \
0 10/03/2012 12:00:00 AM 13.0
4.0
1 10/03/2012 01:00:00 AM 10.0
4.0
2 10/03/2012 02:00:00 AM 2.0
1.0
3 10/03/2012 03:00:00 AM 5.0
2.0
4 10/03/2012 04:00:00 AM 7.0
6.0
5 10/03/2012 05:00:00 AM 31.0
21.0
6 10/03/2012 06:00:00 AM 155.0
105.0
7 10/03/2012 07:00:00 AM 352.0
257.0
8 10/03/2012 08:00:00 AM 437.0
291.0
9 10/03/2012 09:00:00 AM 276.0
172.0

Fremont Bridge West Sidewalk

0 9.0
1 6.0
2 1.0
3 3.0
4 1.0
5 10.0
6 50.0
7 95.0
8 146.0
9 104.0

De los datos totales se establecen los 10 primeros de acuerdo al comando

indicado.
2. Mostrar las Ultimas 10 filas
df.tail(10)

Date Fremont Bridge Total \

87590 09/30/2022 02:00:00 PM 182.0
87591 09/30/2022 03:00:00 PM 258.0
87592 09/30/2022 04:00:00 PM 295.0
87593 09/30/2022 05:00:00 PM 410.0
87594 09/30/2022 06:00:00 PM 266.0
87595 09/30/2022 07:00:00 PM 168.0
87596 09/30/2022 08:00:00 PM 73.0
87597 09/30/2022 09:00:00 PM 69.0
87598 09/30/2022 10:00:00 PM 51.0
87599 09/30/2022 11:00:00 PM 59.0

Fremont Bridge East Sidewalk Fremont Bridge West Sidewalk

87590 71.0 111.0
87591 116.0 142.0
87592 111.0 184.0
87593 172.0 238.0
87594 94.0 172.0
87595 57.0 111.0
87596 33.0 40.0
87597 30.0 39.0
87598 10.0 41.0
87599 22.0 37.0

3. Mostrar datos de la estadística resumida (minímo, maximo, desviación

estandar, promedio)
df.describe()

Fremont Bridge Total Fremont Bridge East Sidewalk \

count 87586.000000 87586.000000
mean 107.240849 48.086623
std 134.790561 61.573965
min 0.000000 0.000000
25% 13.000000 6.000000
50% 60.000000 27.000000
75% 144.000000 66.000000
max 1097.000000 698.000000

Fremont Bridge West Sidewalk

count 87586.000000
mean 59.154226
std 83.567491
min 0.000000
25% 7.000000
50% 30.000000
75% 75.000000
max 850.000000

Python muesta conteo, media, desviacion standar, valor minimo, primer cuartil,
segundo cuartil, tercer cuartily maximo de la informacion suministrada.
3. Graficar el promedio de bicicletas que pasan por el costado oriental y
occidental por año hasta la fecha.
import matplotlib.pyplot as plt

%matplotlib inline
df=pd.read_csv("Fremon.csv", index_col="Date",
parse_dates=True)
df.head(10)

Fremont Bridge Total Fremont Bridge East

Sidewalk \
Date

2012-10-03 00:00:00 13.0

4.0
2012-10-03 01:00:00 10.0
4.0
2012-10-03 02:00:00 2.0
1.0
2012-10-03 03:00:00 5.0
2.0
2012-10-03 04:00:00 7.0
6.0
2012-10-03 05:00:00 31.0
21.0
2012-10-03 06:00:00 155.0
105.0
2012-10-03 07:00:00 352.0
257.0
2012-10-03 08:00:00 437.0
291.0
2012-10-03 09:00:00 276.0
172.0

Fremont Bridge West Sidewalk

Date
2012-10-03 00:00:00 9.0
2012-10-03 01:00:00 6.0
2012-10-03 02:00:00 1.0
2012-10-03 03:00:00 3.0
2012-10-03 04:00:00 1.0
2012-10-03 05:00:00 10.0
2012-10-03 06:00:00 50.0
2012-10-03 07:00:00 95.0
2012-10-03 08:00:00 146.0
2012-10-03 09:00:00 104.0

Inicialmente la tabla tiene unos parametro, los cuales son modificables

convirtiendo la casilla Date como Columna de Tiempo y Mustra las 10 Primeras
Filas.
df.plot()

<AxesSubplot: xlabel='Date'>
esta es la grafica donde muestra toda la informacion de las bicilctas durante los
años que del 2013 al 2022, informacion contenida en Fremon.csv
%matplotlib inline
df.resample('W').sum().plot()

<AxesSubplot: xlabel='Date'>
en esta grafica se muestran los datos durante la semana, permitieno visulizar
mejor las bicicletas que pasan por el oriente y las que pasan por el occidente.
%matplotlib inline
df.resample('D').sum().plot()

<AxesSubplot: xlabel='Date'>
%matplotlib inline
df.resample('Y').sum().plot()

<AxesSubplot: xlabel='Date'>
Esta representación es el Promedio de Paso de Bicicletas por Año.