使用pandas将原始Excel表的相关内容读入Python，存为DataFrame数据框格式，再使用apply函数调用另外的函数，设计算法，对某列进行赋值。 共7项课目，按照个人年度军事训练成绩标准，进行计算，得出总评为优秀、良好、及格、不及格。

利用python对成都市二手房信息数据处理 并构建多元线性模型 进行数据分析，包含PPT可以用来课堂案例讲解。

利用Python来对客户信息进行分析，对客户群体进行分类，分析预测客户的潜在消费行为，对客户进行价值评估，在自己的客户群体中挖掘出特有的潜在客户。 在分析的过程中，会使用到的技术有Numpy和Pandas，对数据进行清洗和预处理，以及存储数据；机器学习库Scikit-learn，对客户价值进行K-Means聚类算法分析，将客户群体进行划分；绘图库Matplotlib，将聚类结果可视化，直观地展现结果。

奥运数据探索 数据集 我在中使用了“ 120年奥林匹克历史运动员和成绩”的数据集，其中包含有关球员，他们的球队，奖牌和性别的信息 该数据包含有关271116行的信息，包括： 事件相关： 城市 年 运动员相关： 运动 年龄 重量 高度 勋章 姓名 团队 地区 笔记 调查结果摘要 我们发现大多数托管城市如下 25岁时贡献最多的人 奥林匹克运动的知名度每年都在增加，但冬季的运动员人数较少 从1994年开始，奥运会每年都有一个赛季 贡献最多的人 这些是独立的团队 我们发现，由于较少的体力劳动，艺术具有不同的年龄分布 篮球必须拥有比其他人更高的球员 健身房的大多数球员都矮一些 自1948年以来，大多数体育运动的受欢迎程度都在增加，但艺术界已不再有任何参与者 这些是每枚奖牌的最佳球员 女人在冬天似乎与男人有相似的趋势，但男人在夏天有较大的趋势 我们可以专注于身高/体重比为2to2.50的20至3

python数据分析

电子工业出版社的经典书目系列，从数据分析基本步骤开始、实验方法、最优化方法、假设检验方法、贝叶斯统计方法、主观概率法、启发法、直方图法、回归法、误差处理、相关数据库、数据整理技巧一一讲到。图比较多，适合入门。

交通时空大数据分析、挖掘与可视化（Python版）书本源码

这是标题为“使用 MATLAB 实现 Internet 支持的数据分析和可视化”的新闻和注释文章的示例代码。 它演示了如何使用 Java 检索和绘制 Internet 上公开可用的数据，并使用来自 Yahoo! 的历史股票数据。 以服务器为例。 请注意，雅虎！ 历史股价服务器在美国工作日期间通常非常繁忙——您可能无法连接。 美国东部时间下午 4:30 后重试。

SarsCov2-PPI网络 SARS-COV 2网络图的初步数据分析

comment.csv