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。
2022-11-21 21:53:17
299KB
1
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。
2022-11-21 20:25:45
8.74MB
1
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。
2022-11-21 20:25:44
4.71MB
1
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
2022-11-21 19:19:48
7.61MB
1