¿Cómo afecta el clima de Boston al precio de un viaje? Este proyecto analiza un dataset de 693,071 registros para identificar patrones de precios dinámicos (Surge Multiplier) en las plataformas Uber y Lyft.
- Evaluar la correlación entre variables climáticas (
temp,rain,humidity) y el costo del viaje. - Comparar la estabilidad de precios entre Uber y Lyft bajo condiciones extremas.
- Identificar zonas geográficas con mayor sensibilidad a cambios de tarifa.
- Python 3.x
- Pandas: Limpieza de datos y feature engineering (creación de
price_per_km). - Matplotlib & Seaborn: Visualización de distribuciones y correlaciones.
- Jupyter Notebook: Entorno de desarrollo.
- Impacto del Clima: Se detectó que la lluvia fuerte activa el
surge_multiplier, incrementando las tarifas en un promedio del 12% en rutas específicas. - Diferenciación de Marca: Uber mostró mayor estabilidad de precios ante cambios climáticos leves, mientras que Lyft ajusta sus tarifas con mayor frecuencia.
- Zonificación: Las estaciones de origen y destino influyen más en el precio final que la temperatura actual.
/data: (Opcional) Enlace al dataset original./notebooks: Jupyter Notebook con el análisis exploratorio (EDA)./img: Gráficos y visualizaciones generadas.
Piagget Obando Troya | Data Driven Decision Specialist - ESPOL