文件名称：Udacity-Data-Analyst-Nanodegree
文件大小：20.59MB
文件格式：ZIP
更新时间：2024-02-26 00:17:02
api data text-mining udacity statistics
通过Python和SQL从数据中发现见解。 获得的技能（概述） 先决条件 您需要安装： 以及在每个项目中定义的其他库。 推荐的： 项目概况 P0：探索天气趋势 第一章介绍了Data Analyst Nanodegree的以下项目。 第一章项目是关于天气趋势的-需要（至少）应用以下步骤： 使用SQL查询从数据库中提取数据 计算移动平均线 创建折线图 我分析了本地和全球温度数据，并将三个德国城市的温度趋势与全球总体温度趋势进行了比较。 清理数据后，我创建了一个函数，该函数应该能够处理绘制数据所需的所有任务-例如，计算线性趋势和计算滚动平均值。 此外，该函数还具有其他各种选项，用于可视化以获取
【文件预览】：
Udacity-Data-Analyst-Nanodegree-master
----P0-Explore-Weather-Trends()
--------global_data.csv(3KB)
--------city_list.csv(6KB)
--------city_data.csv(1.94MB)
--------Explore Weather Trends.ipynb(1.52MB)
--------README.md(2KB)
----rel_userfreq_by_gender_and_area.png(67KB)
----life_expectancy_to_income_2018.png(225KB)
----global_weather_trend.png(52KB)
----P1-Investigate-A-Dataset()
--------Investigate Gapminder Data.html(3.31MB)
--------README.md(2KB)
--------Investigate Gapminder Data.ipynb(2.96MB)
----sampling_dist.png(11KB)
----P3-Analyze-Twitter-Data()
--------image_predictions.tsv(327KB)
--------tweet_json.txt(9.87MB)
--------wrangle_act.ipynb(1.13MB)
--------twitter_archive_master.csv(612KB)
--------twitter-archive-enhanced.csv(894KB)
--------README.md(3KB)
----mean_of_retweets_per_month-year_combination.png(13KB)
----P4-Communicate-Data-Findings()
--------Images()
--------Explanatory Visualization.ipynb(802KB)
--------Communicate Data Findings.ipynb(3.96MB)
--------Communicate Data Findings.html(4.22MB)
--------Explanatory Visualization.slides.html(1.07MB)
--------Explanatory Visualization.html(1.08MB)
--------README.md(824B)
--------Data()
----README.md(6KB)
----P2-Analyze-A-B-Test-Results()
--------countries.csv(2.77MB)
--------Analyze_ab_test_results_notebook.html(387KB)
--------ab_data.csv(15.17MB)
--------Analyze_ab_test_results_notebook.ipynb(98KB)
--------README.md(599B)