【文件属性】：
文件名称：School_District_Analysis:python-熊猫
文件大小：1.42MB
文件格式：ZIP
更新时间：2021-04-04 11:23:35
JupyterNotebook
School_District_Analysis
python-熊猫
概述
该分析项目旨在准备标准化的测试数据以进行分析，从而获得有关学校绩效趋势和模式的见解，以帮助校董会制定有关学校预算和优先事项的战略决策。 对于FERPA，我们在数据机密性方面有一些考虑。 校务委员会已通知分析师有关学术不诚实的证据； 具体来说，托马斯高中九年级学生的阅读和数学成绩似乎已经改变。 我们被要求用NaN代替那所学校的数学和阅读成绩，同时保持其余数据不变。 我们还需要衡量这些变化对整体分析的影响，该报告应包括：
地区概要
学校总结
根据整体及格率，表现最佳的前5名和成绩最低的5名学校
每个学校每个年级水平的平均数学分数
每个学校每个年级水平的平均阅读分数
每个学生的学校支出，学校规模和学校类型的分数
结果
替换九年级成绩对以下各项有何影响：
数学和阅读成绩按年级划分
阅读成绩后的成绩
在按年级阅读分数
【文件预览】：
School_District_Analysis-main
----.gitignore(2KB)
----PyCitySchools_Challenge.ipynb(374KB)
----cleaning_student_names.ipynb(1.45MB)
----pandas_practice.ipynb(14KB)
----Resources()
--------After school size.PNG(8KB)
--------Before reading scores by grade.PNG(17KB)
--------After school spending.PNG(9KB)
--------students_complete.csv(1.96MB)
--------After Math scores by grade.PNG(17KB)
--------District Summary after.PNG(6KB)
--------Before school size.PNG(7KB)
--------Before Math scores by grade.PNG(17KB)
--------District Summary before.PNG(6KB)
--------schools_complete.csv(683B)
--------Before school type.PNG(6KB)
--------clean_students_complete.csv(2.17MB)
--------After reading scores by grade.PNG(17KB)
--------missing_grades.csv(289B)
--------Before school spending.PNG(12KB)
--------After school type.PNG(6KB)
----cleaning_data.ipynb(12KB)
----README.md(3KB)
----PyCitySchools_Challenge_starter_code.ipynb(18KB)
----function.ipynb(6KB)
----PyCitySchools.ipynb(235KB)
----jupyter_practice.ipynb(2KB)