Цель: научиться применять базовые конструкции Python (ввод/вывод, условия, циклы), работать со списками и словарями, использовать Pandas для анализа и Matplotlib для визуализации, а затем оформить результаты в мини‑отчёт и презентацию.
Исходные данные
Создайте в коде небольшой набор данных:
students = [
{"name": "Анна", "group": "ПО-11", "avg_grade": 4.7},
{"name": "Борис", "group": "ПО-11", "avg_grade": 3.8},
{"name": "Виктор", "group": "ПО-11", "avg_grade": 4.2},
{"name": "Галина", "group": "ПО-11", "avg_grade": 4.9},
{"name": "Дмитрий", "group": "ПО-11", "avg_grade": 3.5}
]
Что нужно сделать (по шагам)
Шаг 1. Простой ввод и расчёт
Напишите программу, которая:
· запрашивает у пользователя количество сданных лабораторных работ и общее количество по плану;
·проверяет, что общее количество > 0;
·считает процент выполнения, округляет до 1 знака после запятой;
·выводит процент и статус: «Отлично» (≥ 80%), «Требуется больше работы» (< 80%).
Результат: файл progress_calc.py + скриншот консоли.
Шаг 2. Условия и цикл
На основе списка students напишите программу, которая:
·проходит по списку циклом for;
·для каждого студента выводит имя и средний балл;
·определяет статус успеваемости:
·avg_grade >= 4.5 → «Отличник»;
·4.0 <= avg_grade < 4.5 → «Хорошист»;
·иначе → «Требуется поддержка».
·дополнительно: посчитайте и выведите общее количество отличников и хорошистов.
Результат: файл status_report.py + 1 скриншот вывода.
Шаг 3. Работа со списками и словарями
Дополните список students:
· добавьте одного нового студента через .append();
· найдите студента с максимальным средним баллом простым перебором (без max() по ключу);
· выведите его имя, группу и балл.
Результат: файл students_update.py + текстовый отчёт (Word): какие методы использовали (.append(), доступ по ключу и т.п.) и что получилось.
Шаг 4. Анализ данных в Pandas
Превратите список словарей в DataFrame:
Сделайте:
·выведите первые 3 строки (df.head(3));
· посчитайте основные статистики по колонке avg_grade: среднее, медиану, минимум, максимум, стандартное отклонение;
· создайте новую колонку level: если avg_grade >= 4.5 → "High", иначе → "Standard";
·отфильтруйте и выведите только студентов с уровнем "High".
Результат: файл analysis_pandas.py (или .ipynb) + 2–3 скриншота: DataFrame, статистика, отфильтрованные строки.
Шаг 5. Визуализация в Matplotlib
Постройте два графика:
1. Столбчатая диаграмма количества студентов по статусам («Отличник», «Хорошист», «Требуется поддержка») — статусы возьмите из Шага 2.
2. Гистограмма распределения средних баллов (показывает, как часто встречаются разные значения среднего балла).
Добавьте: заголовок, подписи осей, легенду. Сохраните графики как PNG (или сделайте скриншоты).
Результат: файл plot_grades.py / .ipynb + файлы графиков (PNG) или скриншоты.
Шаг 6. На базе выполненных шагов подготовьте:
·Текстовый отчёт (Word, 100–150 слов): кратко опишите, какие данные анализировали, какие метрики посчитали, что показали графики, и дайте 2–3 рекомендации преподавателю (например, «студенту с баллом 3.5 нужна дополнительная консультация»).
·Презентация (3–4 слайда):
·Слайд 1: цель и данные (что анализируем).
·Слайд 2: ключевые метрики (среднее, медиана, доли статусов).
·Слайд 3: 1–2 графика.
·Слайд 4: выводы и рекомендации.
Результат: текстовый отчёт (Word), все файлы кода и графики.
| Гарантия на работу | 1 год |
| Средний балл | 4.53 |
| Стоимость | Назначаете сами |
| Эксперт | Выбираете сами |
| Уникальность работы | от 70% |