-
-
印度房地产市场数据集分析
2025年4月21日 31 142 16
标题：印度房地产市场数据集分析 数据内容： 本数据集包含了印度房地产市场的详细信息，涵盖了房产的基本属性、交易信息、地理位置以及其他相关特征。具体包括以下字段： - Index：唯一标识符，确保每条记录的唯一性。 - Title：房产标题，描述房产的基本信息。 - Description：房产详细描述，包含房产的使用情况、特点等。 - Amount...
-
全球移民流入印度的数据分析报告
2025年2月24日 30 160 126
标题：全球移民流入印度的数据分析报告 数据内容： 该数据集记录了2020年居住在印度的移民来源国及其移民数量。数据集包含以下字段： 1. 年份（Year）：记录数据的时间范围，共有7种不同的年份值。 2. 国家（Country）：记录移民来源国，共有237种不同的国家值。 3. 移民人数（Immigrants to...
-
印度关税率历史数据集19902022深度解析
2025年2月24日 90 26 1
标题：印度关税率历史数据集1990-2022深度解析 数据内容： 本数据集记录了印度自1990年至2022年的关税率变化情况，涵盖所有产品、主要产品和制造产品的加权平均应用关税率。数据集包含以下字段： - Entity：代表与印度进行贸易的国家或地区。 - Code：与Entity对应的编码。 - Year：数据记录的年份。 - Tariff...
-
印度人均GDP数据集19602023
2025年2月24日 90 197 62
标题：印度人均GDP数据集（1960-2023） 数据内容：该数据集包含了印度国际美元和市场美元的人均GDP数据，时间跨度为1960年至2023年。数据集中的两个系列均经过通货膨胀调整。市场美元数据使用货币市场中的汇率转换了本地货币，而国际美元数据则调整了国家之间的生活成本差异。数据包括以下字段： Entity（实体）：226种不同值...
-
印度生育率与劳动力有效生育率比较分析
2025年2月24日 90 66 15
标题：印度生育率与劳动力有效生育率比较分析 数据内容：该数据集涵盖了印度不同地区的生育率数据，包括总生育率和劳动力有效生育率两项核心指标。数据集包含以下字段： - Entity：表示地区或行政区划单位； - Code：地区编码； - Year：年份，记录数据的时间维度； - Fertility rate (period),...
-
印度生育率与人口结构分析数据集
2025年2月24日 90 76 25
标题：印度生育率与人口结构分析数据集 数据内容： 该数据集包含了关于印度生育率的详细统计数据，涵盖了以下数据元素： 1. Entity：代表不同地区或国家的名称。 2. Code：对应国家或地区的编码。 3. Year：数据的时间维度，覆盖了多个年度。 4. Reproductive Effective Fertility rate (scaled...
-
印度犀牛种群数据集保护与研究的重要资源
2025年2月24日 90 91 48
标题：印度犀牛种群数据集保护与研究的重要资源 数据内容： 本数据集记录了印度犀牛种群的数量估计数据，包含以下数据元素： - Entity：表示相关机构或保护区的名称，共有4种不同的值。 - Code：表示与Entity相关的编码信息，共有4种不同的值。 - Year：表示数据收集的年份，共有23种不同的值。 - Indian Rhino...
-
印度手语转字符数据集
2024年12月15日 68 196 84
数据名称：印度手语转字符数据集 数据说明：该数据集提供了详细的手势数据，用于识别印度手语 (ISL) 手势并将其翻译成相应的文本字符。它包含双手数据，并捕捉与手部动作和手指位置相关的关键特征，这些特征对于准确识别 ISL 手势至关重要。 数据时间：更新于 2024年 数据来源：互联网数据
-
搬运工送货时间估算
2024年12月15日 66 80 0
数据名称：搬运工送货时间估算 数据说明：Porter 是印度最大的城际物流市场。作为印度 400 亿美元城际物流市场的领导者，Porter 致力于通过为 150,000 多名司机伙伴提供稳定的收入和独立性来改善他们的生活。目前，该公司已为 500 多万客户提供服务 数据时间：更新于 2022年 数据来源：互联网数据
-
-
印度个人理财和消费习惯数据集
2024年12月13日 64 131 66
数据名称：印度个人理财和消费习惯数据集 数据说明：数据集包含 20,000 人的详细财务和人口统计数据，重点关注各个类别的收入、支出和潜在储蓄。该数据旨在为个人财务管理和消费模式提供见解。 数据时间：更新于 2024年 数据来源：互联网数据
-
印度四大电信合作伙伴客户流失数据集
2024年11月7日 90 127 94
该数据集为电信行业从业者、数据分析师和研究人员提供了详尽的客户流失信息。 通过对客户的使用习惯、经济状况、人口统计和位置数据的分析，可以深入了解客户流失的驱动因素。数据可用于构建预测模型，识别高风险流失客户，制定针对性的客户保留措施，提升整体客户满意度和企业盈利能力。 此外，数据集还可用于支持市场研究、政策制定和学术研究，提供多维度的分析基础。
