Student Score Project - Part 2: Analysis

ခဏလေး ဒီလိုပဲ စဉ်းစားကြည့်

Part 1 မှာ တည်ဆောက်ထားတဲ့ scores array ကို ဒီအဆင့်မှာ real analysis feature တွေ ထည့်ပါမယ်။ np.mean(), np.max(), np.min() စတဲ့ aggregation function တွေကို axis parameter နဲ့ ချိတ်ပြီး student တစ်ယောက်ချင်းစီရဲ့ average (axis=1) နဲ့ subject တစ်ခုချင်းစီရဲ့ class average (axis=0) ကို တွက်ပါမယ်။ ပြီးရင် broadcasting သုံးပြီး subject တိုင်းကို bonus point မတူညီစွာပေးတဲ့ curve (grade adjustment) ကို loop မရေးဘဲ တစ်ကြိမ်တည်း apply လုပ်ကြည့်ပါမယ်။ ဒီ pattern က real data analysis code မှာ အရမ်းအသုံးများပြီး Part 3 final report အတွက် direct-ကူညီပေးပါလိမ့်မယ်။

လက်တွေ့ ဆောက်ကြည့်မယ်

scores.mean(axis=1) သုံးပြီး student တစ်ယောက်ချင်းစီရဲ့ average score array ကို တွက်ပါ။ scores.mean(axis=0) သုံးပြီး subject တစ်ခုချင်းစီရဲ့ class average ကို တွက်ပါ။ np.argmax(student_avg) နဲ့ average အမြင့်ဆုံး student index ကို ရှာပါ။ subject တစ်ခုချင်းစီ ကွာခြားတဲ့ bonus array (curve = [2, 5, 0, 3]) တစ်ခုကို broadcasting နဲ့ scores ပေါ်ထပ်ပေါင်း (curved_scores = scores + curve) ပြီး result ကို original scores နဲ့ compare ကြည့်ပါ။

• student-wise average (axis=1) နဲ့ subject-wise average (axis=0) ကို တွက်ပြီးပြီ
• np.argmax() သုံးပြီး top student ကို ရှာပြီးပြီ
• curve array ကို broadcasting နဲ့ scores ပေါ်ထပ်ပေါင်းပြီး curved_scores ကို ရလိုက်ပြီးပြီ

Code နမူနာ

import numpy as np

students = ["Aye", "Bo", "Cho", "Dan", "Eaint"]
subjects = ["Math", "Myanmar", "English", "Science"]

scores = np.array([
    [78, 85, 90, 72],
    [64, 70, 58, 80],
    [95, 88, 92, 91],
    [50, 60, 55, 48],
    [82, 79, 84, 88]
])

student_avg = scores.mean(axis=1)
subject_avg = scores.mean(axis=0)

print("student averages:", student_avg)
print("subject averages:", subject_avg)

top_index = np.argmax(student_avg)
print("top student:", students[top_index], student_avg[top_index])

# curve/bonus per subject: Math+2, Myanmar+5, English+0, Science+3
curve = np.array([2, 5, 0, 3])
curved_scores = scores + curve

print("before curve:\n", scores)
print("after curve:\n", curved_scores)

student_avg နဲ့ subject_avg array နှစ်ခု print ထွက်ပြီး၊ top student name ကို ဖော်ပြပါလိမ့်မယ်၊ curved_scores ကို subject column အလိုက် curve value ထပ်ပေါင်းထားတဲ့ scores အသစ်အနေနဲ့ ရပါလိမ့်မယ်။