NYC TLC Taxi Trip Data

Decenas de millones de viajes en taxi y vehículos de alquiler en Nueva York, publicados mensualmente desde 2009.

ÁreaTransporte y Movilidad Urbana
DominioTransporte
DificultadIntermedio
TamañoDecenas de millones de viajes por año
Fuente oficial

¿Qué puedes lograr con este dataset?

  • Practicar análisis geoespacial y de series de tiempo a gran escala
  • Construir modelos de predicción de demanda o tiempo de viaje
  • Trabajar con datos que requieren limpieza de coordenadas y outliers de distancia/tiempo

Descripción

La Comisión de Taxis y Limusinas de NYC publica mensualmente registros detallados de viajes en taxi amarillo, verde y vehículos de alquiler (Uber, Lyft), incluyendo ubicaciones de recogida/destino, tarifas, distancias y duración, siendo uno de los datasets urbanos más usados en la comunidad de ciencia de datos.

Casos de uso

  • Predicción de demanda de taxis por zona y hora
  • Análisis de patrones de movilidad urbana
  • Optimización de rutas y detección de zonas de alta demanda
  • Práctica de procesamiento de datos a gran escala (millones de filas)

Cómo cargarlo

Cómo cargarlopython
import pandas as pd

df = pd.read_parquet("yellow_tripdata_2024-01.parquet")
print(df.groupby("PULocationID")["trip_distance"].mean().sort_values(ascending=False).head())

Ventajas y limitaciones

Ventajas

  • Volumen y regularidad de publicación (datos mensuales desde 2009)
  • Rico en variables espaciales y temporales para practicar distintos tipos de análisis
  • Ampliamente usado, con muchos proyectos y tutoriales de referencia

Limitaciones

  • El volumen de datos exige herramientas más allá de pandas puro (Dask, Spark) para años completos
  • Contiene outliers evidentes (viajes de duración o tarifa imposibles) que requieren limpieza

Datasets relacionados