文件名称：School_District_Analysis:Python
文件大小：1.76MB
文件格式：ZIP
更新时间：2024-04-17 22:47:08
JupyterNotebook
School_District_Analysis 概述 进行学区分析的目的是，由于某些学术诚信问题，首先从主要数据框中删除托马斯高中一年级学生的阅读和数学成绩。 这将改变我之前在PyCitySchools python文件中构建的分析，该文件包括Thomas High School新生的数学和阅读测试成绩。 在简短的讨论中，通过这项新的分析，我创建了托马斯高中9年级学生在没有他们的情况下的数学和阅读成绩的追随者： 1.A District summary Data frame 2.A School summary dataframe 3.The top 5 and bottom 5 schoools based on overall passing rate 4.The average math score for each grade level from each school 5.
【文件预览】：
School_District_Analysis-main
----.gitignore(2KB)
----PyCitySchools_Challenge.ipynb(155KB)
----cleaning_student_names.ipynb(1.42MB)
----pandas_practice.ipynb(10KB)
----Resources()
--------students_complete.csv(1.96MB)
--------schools_complete.csv(683B)
--------clean_students_complete.csv(2.17MB)
--------missing_grades.csv(289B)
----PyCitySchools_Challenge_testing.ipynb(239KB)
----cleaning_data.ipynb(12KB)
----README.md(5KB)
----image()
--------school_size_after.png(19KB)
--------school_size_defore.png(21KB)
--------school_spending_before.png(22KB)
--------District Summary.png(7KB)
--------school_spending_after.png(25KB)
--------ninth_grade_score after .png(56KB)
--------School Summary after.png(128KB)
--------School Summary before.png(130KB)
--------ninth_grade_score before .png(56KB)
--------school_type_before.png(13KB)
--------school_type_after.png(13KB)
----function.ipynb(5KB)
----PyCitySchools.ipynb(238KB)
----jupyter_practice.ipynb(560B)