共享汽车费用对比

共享汽车方便，灵活，可操作性强，是短途游玩的好利器。

闲来无事，拿计费标准做函数进行计费对比（二元一次函数），用matplotlib画三维图，比较粗糙，但是短途情况下还是可以分析出哪种最佳选择的

【申明：本文只是娱乐练习，无任何不良目的和隐晦攻击行为，有任何问题请联系博主撤销，特此申明】

---

 

1.小型共享汽车费用对比

数据：车型一致为四人座小车，gofun牌汽车存在一个保险服务（按时计价），这里取6元保险作为均值
leo车型在10月前有优惠，此处放在一起对比，优惠过后费用则会涨幅较大
此处主要对比三种车型
1.warm
2.gofun
3.leo
对比分析：
对比后发现，相同时间情况下，对比里程数
在50km下时候，三者悬殊很小但是还是存在最优，三者最优顺序为warm>leo>gofun

代码如下：

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np
from matplotlib import pyplot as plt 
fig = plt.figure()
ax = Axes3D(fig)
#x是时间
x=np.arange(0,24,1)
#y是距离
y=np.arange(0,100,5)
X, Y = np.meshgrid(x, y)#网格的创建
Z=0.15*X+0.99*Y+3#leo--2
Z1=0.15*X+0.88*Y#warm--1（四人小车）
Z2=0.1*X+1*Y+6#go---3（车型为四人小车，此处取不计免赔的平均值为6）
plt.xlabel('time / H', color='r')
plt.ylabel('distance / KM', color='r')
ax.set_zlabel('cost / RMB', color='r')#给三个坐标轴注明
plt.title("Under the same time,different distances,what type car is cheap ?")#总标题
a=ax.plot_surface(X, Y, Z, rstride=1, cstride=1,cmap=plt.cm.cool,alpha=0.6)#cool	青-洋红 leo----2
b=ax.plot_surface(X, Y, Z2, rstride=1, cstride=1,cmap=plt.cm.copper,alpha=0.5)#copper	黑-铜 go---3
d=ax.plot_surface(X, Y, Z1, rstride=1, cstride=1,cmap=plt.cm.coolwarm,alpha=0.5)#warm------1
fig.colorbar(a, shrink=0.5, aspect=20)
fig.colorbar(b, shrink=0.5, aspect=20)
fig.colorbar(d, shrink=0.5, aspect=20)
plt.show()

 

2.大型车对比
对比车型为gofun五座suv &  联动（LD）五座suv
用车时间段为早8--晚9
对比分析;
2小时内用车：gofun会更优惠
2小时外用车：LD会更优惠

from mpl_toolkits.mplot3d import Axes3D
import numpy as np
from matplotlib import pyplot as plt 
fig = plt.figure()
ax = Axes3D(fig)
#x是时间
x=np.arange(0,24,1)
#y是距离
y=np.arange(0,100,5)
X, Y = np.meshgrid(x, y)#网格的创建
Z=0.2*X+1.2*Y+8#gofun
Z1=0.2*X+1.3*Y+10#ld
plt.xlabel('time / H', color='r')
plt.ylabel('distance / KM', color='r')
ax.set_zlabel('cost / RMB', color='r')#给三个坐标轴注明
plt.title("Under the same time,different distances,what type car is cheap ?")#总标题
a=ax.plot_surface(X, Y, Z, rstride=1, cstride=1,cmap=plt.cm.cool,alpha=0.6)#cool	青-洋红  gofun
b=ax.plot_surface(X, Y, Z1, rstride=1, cstride=1,cmap=plt.cm.copper,alpha=0.5)#copper	黑-铜 ld
fig.colorbar(a, shrink=0.5, aspect=20)
fig.colorbar(b, shrink=0.5, aspect=20)
plt.show()