文件名称：School_District_Analysis
文件大小：2.69MB
文件格式：ZIP
更新时间：2024-05-07 09:36:36
JupyterNotebook
PyCity学区分析 项目概况 我的任务是为PyCity学区创建分析。 我的重点联系人是玛丽亚。 我们将一起以表格格式创建该地区关键指标的高级快照。 该表将根据总体合格率，每所学校每个年级每个学生的平均数学和阅读分数，以及基于每个学生的预算，学校规模和学校类型的学校表现，包括排名前5位和后5位的学校。 此外，学术不诚实的证据已提请学校董事会注意。 我们将在分析中考虑并调整这些错误数据。 这将通过用“ NaN”（不是数字）替换错误数据来完成，NaN是用于描述未定义值的数学术语。 此更改的影响将在本报告的结果部分中进行讨论。 资源 数据来源：schools_complete.csv和students_complete.csv 软体：Conda 4.10.1; Python 3.8.5; Jupyter Notebook 6.1.4与Pandas和NumPy 分析 结果 总体而言，在托马斯高中
【文件预览】：
School_District_Analysis-main
----PyCitySchools_Challenge.ipynb(370KB)
----Resources()
--------clean_students_complete.csv(2.17MB)
--------schools_complete.csv(683B)
--------Overall_Passing_by_School_Type.png(123KB)
--------Overall_Passing_by_School_size.png(150KB)
--------students_complete.csv(1.96MB)
--------Overall_passing_by Spending_per_Student.png(207KB)
--------District_Summary.png(60KB)
--------missing_grades.csv(297B)
--------Preforming_Schools.png(1.07MB)
----functions.ipynb(6KB)
----PyCitySchools_Challenge_starter_code.ipynb(24KB)
----PyCitySchools_Challenge_testing.ipynb(228KB)
----cleaning_student_names.ipynb(1.42MB)
----pandas_practice.ipynb(13KB)
----PyCitySchools.ipynb(199KB)
----README.md(2KB)
----.gitignore(2KB)
----cleaning_data.ipynb(15KB)