数据集概述
该数据集包含2018年11月26日至12月18日期间，纽约市不同地点Uber和Lyft网约车服务的小时级时间序列数据，涵盖价格、距离、 surge值、API调用量及天气等属性，且数据存在缺失值。
文件详解
- 文件名称: rideshare_dataset_with_missing_values.zip
- 文件格式: ZIP (.zip)
- 核心字段: 包含price_min（最低价格）、price_mean（平均价格）、price_max（最高价格）、distance_min（最短距离）、distance_mean（平均距离）、distance_max（最长距离）、surge_min（最低 surge值）、surge_mean（平均surge值）、surge_max（最高surge值）、api_calls（API调用量）、temp（温度）、rain（降雨量）、humidity（湿度）、clouds（云量）、wind（风速）等属性的小时级时间序列数据
适用场景
- 缺失值插补算法研究: 用于测试和比较不同缺失值处理方法在时间序列数据中的效果
- 网约车服务动态分析: 探究价格、距离、surge值与天气因素的关联
- 时间序列预测建模: 基于历史数据构建网约车需求或价格预测模型
- 数据质量评估: 分析缺失值模式对数据分析结果的影响
