eitaa logo
آموزش پایتون
63 دنبال‌کننده
244 عکس
106 ویدیو
52 فایل
ارتباط: https://eitaa.com/joinchat/956171922Cb501d5a32f لینک همین کانال: @LearnPythonIcy لینک کانال تلگرام: https://t.me/learnpythonicy
مشاهده در ایتا
دانلود
🔥 چالش ۳۰ روزه Python for AI 🎯 موضوع: Mini Project — Student Data Analysis System ⭐ سطح: متوسط ⏳ زمان تخمینی: 40 تا 60 دقیقه 📝 صورت مسئله: امروز قرار است با استفاده از مطالب روزهای قبل، یک سیستم کوچک تحلیل اطلاعات دانشجویان بسازید. فایل زیر را با نام: students.csv ایجاد کنید: name,gpa,credits Ali,17.8,70 Sara,18.5,95 Reza,15.2,40 Nima,18.1,120 Parsa,16.4,55 Arman,17.1,80 Mina,19.0,140 Ava,16.8,35 Yasmin,18.7,110 Amir,15.9,65 یک کلاس به نام: Student ایجاد کنید که شامل ویژگی‌های زیر باشد: ✅ "name" ✅ "gpa" ✅ "credits" و متدهای زیر را داشته باشد: ✅ "show_info()" برای نمایش اطلاعات دانشجو ✅ "get_status()" اگر تعداد واحدهای دانشجو حداقل 120 بود: Graduated و در غیر این صورت: In Progress برنامه باید: ✅ فایل CSV را بخواند. ✅ اطلاعات هر دانشجو را به یک شیء از کلاس "Student" تبدیل کند. ✅ تعداد کل دانشجویان را محاسبه کند. ✅ میانگین GPA را محاسبه کند. ✅ دانشجوی دارای بالاترین GPA را پیدا کند. ✅ دانشجویان دارای GPA برابر یا بیشتر از 18 را نمایش دهد. ✅ دانشجویان دارای GPA کمتر از 16 را نمایش دهد. ✅ نام یک دانشجو را از کاربر دریافت و اطلاعات او را جست‌وجو کند. ✅ اگر دانشجو پیدا نشد، پیام زیر را نمایش دهد: Student not found! ✅ با استفاده از "try / except" خطاهای احتمالی خواندن فایل را مدیریت کند. 📌 نمونه خروجی: ===== Student Analysis System ===== Total Students: 10 Average GPA: 17.35 Top Student: Mina (19.0) Students With GPA >= 18: Sara Nima Mina Yasmin Count: 4 Students With GPA < 16: Reza Amir Count: 2 Enter student name: Nima Name: Nima GPA: 18.1 Credits: 120 Status: Graduated 🎯 Bonus Challenge یک منوی ساده طراحی کنید: 1. Show Summary 2. Search Student 3. Show Top Students 4. Show Graduated Students 5. Exit برنامه باید تا زمانی که کاربر گزینه "5" را انتخاب نکرده است، متوقف نشود. 📋 هدف امروز: ترکیب مهارت‌های روزهای قبل و ساخت اولین سیستم کوچک تحلیل داده با Python. شما تا اینجا یاد گرفته‌اید: ✅ داده‌ها را از فایل بخوانید. ✅ داده‌ها را مدل‌سازی کنید. ✅ خطاها را مدیریت کنید. ✅ داده‌ها را جست‌وجو و فیلتر کنید. ✅ اطلاعات آماری استخراج کنید. از روز بعد وارد NumPy می‌شویم تا همین محاسبات را سریع‌تر، کوتاه‌تر و حرفه‌ای‌تر انجام دهیم. ⏰ مهلت ارسال پاسخ: فردا ساعت 20:00