在这篇文章中，我将探索四个选定城市的公共交通系统，依赖于普通运输Feed规范和各种空间数据科学工具。
我在这篇笔记中选择了四个城市，布达佩斯、柏林、斯德哥尔摩和多伦多，使用公开可用的GTFS（普通运输Feed规范）数据概述它们的公共交通系统。这篇笔记旨在作为一个入门教程，介绍如何使用Pandas、GeoPandas和其他标准数据科学工具来访问、操作、聚合和可视化公共交通数据，从而获取关于公共交通的见解。稍后，这样的了解可以在各种用例中发挥作用，如交通、城市规划和位置智能。
此外，尽管GTFS格式应该是通用和普遍的，但我也将指出在以下分析步骤中仍需要一一分析、城市级的了解和手动验证的情况。
1. 收集和解析GTFS数据
对于这篇文章，我从Transitfeeds.com下载了公共交通数据，这是一个在线的公共交通数据聚合网站。特别地，我下载了下面的城市的最新更新时间的数据：
在以下代码块中，我将多次探索每个城市，创建比较图表，并强调GTFS格式的普遍性。为了确保我的分析易于更新新的数据转储，我将每个城市的GTFS数据存储在与更新日期对应的文件夹中：
import osroot = 'data'cities = ['布达佩斯', '多伦多', '柏林', '斯德哥尔摩']updated = {city : [f for f in os.listdir(root + '/' + city) if '20' in f][0] for city in cities}updated此代码块的输出：
现在，让我们更仔细地查看存储在这些文件夹中的不同文件：
for city in cities…