项目概述：
利用 Python 探索三大美国城市的自行车共享系统相关的数据：芝加哥、纽约和华盛顿特区。此项目将使用 Motivate 提供的数据探索自行车共享使用模式，编写代码导入数据，并通过计算描述性统计数据回答有趣的问题。还将写一个脚本，该脚本会接受原始输入并在终端中创建交互式体验，以展现这些统计信息。部分数据如下：
报告内容：
数据分析过程主要分5个过程：
（1）预览数据，提出问题
（2）整理清洗数据
（3）分析数据
（4）得出结论
（5）传达结果
分析过程：
1.提出问题，通过此项目希望以下部分问题能得到回答：
1）起始时间（Start Time 列）中哪个月份最常见？
2）起始时间中，一周的哪一天（比如 Monday, Tuesday）最常见？
3）起始时间中，一天当中哪个小时最常见？
4）总骑行时长（Trip Duration）是多久，平均骑行时长是多久？
5）哪个起始车站（Start Station）最热门，哪个结束车站（End Station）最热门？
6）哪一趟行程最热门（即，哪一个起始站点与结束站点的组合最热门）？
7）每种用户类型有多少人？
8）每种性别有多少人？
9）出生年份最早的是哪一年、最晚的是哪一年，最常见的是哪一年？
2.查看数据，整理数据（此处省略）
3.分析数据，创建python脚本，实现交互式体验，并能逐步实现以上问题的输出：
在工作区左侧可看到三个城市的数据集，及创建的脚本bikeshare.py
而在脚本中需要定义以下几个函数，
get_filters()：请用户指定要分析的城市、月份和日期
load_data(city, month, day)：为指定的城市，按月和天加载适用的数据，相当于把输入的数据过滤为python中数据可接受的形式。
time_stats( )：显示旅行最频繁次数的统计数据，包括最受欢迎的月分，一周中的天数，小时等
station_stats( )：显示最受欢迎的车站和旅行的统计数据。
trip_duration_stats()：显示总行程和平均行程持续时间的统计数据。
user_stats()：显示关于自行车用户的统计信息。
main()：给出是否需要重新进行的程序。
4.运行脚本，以下为运行python脚本后，自动弹出需要输入的信息
输入相应的信息后，得到相应的描述性统计信息，比如最频繁的车站，月份，时段（小时），用户信息等
5.得出结论
对于芝加哥，
需求时间信息：
使用共享自行车最频繁的月份6月，一周中周二使用率最高，一天中下午17：00对共享自行车的需求最大；
需求地点信息：
需求最大的开始车站为：Streeter Dr & Grand Ave，最终车站为：Streeter Dr
& Grand Ave，最频繁的车程是：Streeter Dr & Grand Ave->Lake Shore Dr & Monroe St；
用户信息：
已注册的用户是非注册用户的4倍，已注册用户的使用率更高，
男性比女性的使用率更高，男性差不多是女性的3倍
最常用的用户出生在1989年
