НЕКОТОРЫЕ ПРИМЕРЫ ИСПОЛЬЗОВАНИЯ ЯЗЫКА PYTHON В ОБРАЗОВАТЕЛЬНЫХ ОРГАНИЗАЦИЯХ

Обрабатывание крупных данных в наше время с помощью простых программных методов и аппаратных средств абсолютно нерациональна, а нередко неосуществима, так как этого не позволяет большой размер имеющейся информации. Впрочем, ряд результативных способов для выполнения подобных операций все же существует. Хотя и здесь есть определённые сложности.

Для каждого конкретного случая необходимо выбирать наиболее подходящий способ обработки данных, только тогда результаты окажутся удовлетворительными: и с технологической, и с экономической точки зрения.

К большим данным относят информацию, чей объем способен быть больше сотни терабайтов и петабайтов. При этом такая информация постоянно обновляется. В качестве примеров можно привести данные, поступающие из контакт-центров, медиа социальных сетей, сведения об торгах фондовых бирж также т. п. Кроме того в понятие «большие данные» в некоторых случаях включают способы и методики их обработки.

Если же говорить о терминологии, то «Big Data» подразумевает не только данные как таковые, но и принципы обработки больших данных, возможность дальнейшего их использования, порядок обнаружения конкретного информационного блока в больших массивах. Вопросы, связанные с такими процессами, не теряют своей актуальности. Их решение носит важный характер для тех систем, которые многие годы генерировали и копили различную информацию.

Такие системы применяются и в образовательных организациях. Так, к примеру, эффективность управленческой деятельности непосредственно зависит от точного понимания возможностей информационных технологий руководителями учебных учреждений по сбору, накапливанию, регистрации, передаче, обработке, хранению, представлении информации и ее анализа при подготовке и принятия решений. Применение в управлении компьютерной техники становится необходимым компонентом организационных структур образовательного учреждения либо системы образования в целом. Текстовые процессоры, электронные таблицы, программы презентационной графики, Интернет-редакторы, почтовые клиенты помогают руководителям учебных учреждений в деятельности управления образованием. Любая программа отвечает за собственный определенный участок работы. Одни помогают формировать текст либо графику, прочие – наводить порядок на жестком диске, третьи – функционировать в сети Интернет.

Для осуществления полноценного и грамотного руководства современной школой разработано множество программных средств. Различают программные средства для: директора, заведующего учебной частью, секретаря, учителя.

Директору – программы для учета рабочего времени и контроля работы сотрудников, разработка модели компетенций и формирование должностного профиля сотрудника, аттестация преподавательского состава, контроль процесса обучения и целевого использования бюджетных средств.

Заведующему учебной частью – программы для составления расписания, подготовка отчетности, утверждение документации, ведение личных дел учащихся, распределение учебной нагрузки преподавателей.

Секретарю – программы для составления документации, работы с электронной почтой, учет юридической документации и движения учащихся, оформление дел выбывших и прибывших учащихся, ведение школьного архива.

Учителю – программы для презентационной графики, ведение электронного журнала и дневников, создание компьютерных тренажеров и тестов, составление рейтинга успеваемости учащихся в классе и отсчетов о проделанной работе.

Сегодня наиболее популярной и востребованной является программа «КМ-Школа». Она была разработана в 2006 году, производителем которой является компания «Кирилл и Мефодий». «КМ-Школа» позволяет провести комплексную автоматизацию деятельности школы и обеспечивает эффективное сетевое взаимодействие всех участников образовательного процесса, одну из ключевых ролей в котором играет директор образовательного учреждения.

В настоящий день создано огромное число языков программирования, которые играют немаловажную роль в обработке больших данных, что упрощает работу образовательных учреждений. Особую роль среди всех языков программирования занимает Python. Он применяется на сегодняшний день в разных областях. Главной характерной чертой этого языка программирования является то, что его довольно просто осознать и изучить. При этом сделать это могут даже те, кто ни разу ранее не встречался с программированием. А тем, кто уже имеет опыт написания приложения на иных языках, изучение Python и вовсе не составит никакого труда.

Одним из важнейших отличий этого языка от Java или C заключается в том, что для написания приложений здесь используется меньше кода.

Еще одна особенность заключается в том, что у Python есть множество библиотек, с помощью которых достичь своих целей в программировании можно намного быстрее.

Одной из таких главных библиотек является NumPy, если речь идет о математике. Вам необходимо освоить её в совершенстве, если планируете связать свою жизнь с наукой, большими данными или искусственным интеллектом. В Python библиотека NumPy незаменима для работы с числовыми массивами, векторами и матрицами, а также позволяет строить графики и гистограммы.

Также немало важной библиотекой является Pandas это высокоуровневая Python библиотека для анализа данных. Её называют высокоуровневой, потому что построена она поверх более низкоуровневой библиотеки NumPy, что является большим плюсом в производительности. В экосистеме Python, Pandas является наиболее продвинутой и быстроразвивающейся библиотекой для обработки и анализа данных.

Чтобы эффективно работать с Pandas, необходимо освоить самые главные структуры данных библиотеки: DataFrame и Series. Без понимания что они из себя представляют, невозможно в дальнейшем проводить качественный анализ.

Объекты DataFrame – многомерные массивы с метками для строк и столбцов, а также зачастую с неоднородным типом данных и пропущенными данными.

Помимо удобного интерфейса для хранения маркированных данных, библиотека Pandas реализует множество операций для работы с данными хорошо знакомых пользователям фреймворков баз данных и электронных таблиц.

Подключение библиотеки осуществляется:

import pandas as pd

import numpy as np

Чтение данных из файла csv

df = pd.read_csv('имя файла')

print(df.head(n))    # просмотр первых n строк данных (по умолчанию 5 строк)

print(df.tail(n))       # просмотр последних n строк данных (по умолчанию 5 строк)

Для чтения файлов Excel есть особый метод read_excel(). Он похож на метод read_csv(), но в отличие от него, read_excel() нужно два аргумента: строка с именем самого файла или пути к нему, и имя листа sheet_name. Если аргумент sheet_name пропущен, то по умолчанию прочитается первый по счёту лист:

import pandas as pd

df = pd.read_excel('file.xlsx', sheet_name='List1')

df = pd.read_excel 'file.xlsx', sheet_name='Лист 1')

# первый аргумент – строка с именем файла

# второй аргумент (sheet_name) – имя листа

df = pd.read_excel 'file.xlsx') # если второй аргумент пропущен, то будет прочитан первый по счёту лист.

Получение информации о подключенном “датафрейме”.

DataFrame.info(verbose=None, buf=None, max_cols=None, memory_usage=None, show_counts=None, null_counts=None)

Количество строк и столбцов подключенного “датафрейма”.

DataFrame.shape

import pandas as pd

import numpy as np

df = pd.read_excel(r'ИБ-2_2021_2022.xlsx', sheet_name='Лист1')

df.info()

print(df.shape)

print(df.head(12))

Сохранение данных в файл MS Excel. В таблицу Excel записывается предварительно созданный DataFrame.

df.to_excel('имя_файла', sheet_name='имя_листа', index=False)

Параметр index со значением False позволяет не сохранять колонку с индексами.

Метод df.copy() позволяет сохранить DataFrame под другим именем. Команда df2 = df1 только создаёт указатель df2 на DataFrame df1.

Для выборки данных из отдельных столбцов достаточно выполнить следующее действие df[{'Столбец1','Столбец2', …}]. Например, сохранение столбцов 'ФИО','L1' из DataFrame df в DataFrame df_user:

df_user=df[{'ФИО','L1'}].copy()

Подобным способом, можно создать таблицу MS Excel, содержащую текстовые и числовые сведения учащихся образовательной организации и сформировать программу для чтения сведений из полученного Excel-файла. Предусмотреть вывод сведений из отдельных столбцов таблицы, для числовых значений предусмотреть вычисление среднего арифметического, сформировать рейтинговую таблицу включающую информацию по каждому обучающемуся, сумму баллов любого обучающегося.

На основе проведённого анализа можно сделать вывод, что несмотря на большое количество предложений на рынке программного обеспечения для образовательных организаций, иногда для работы с большим количеством данных требуется применение языков программирования. С помощью языка программирования Python можно достаточно просто и ясно обрабатывать информацию, хранящуюся в электронных таблицах и взаимодействовать с любыми базами данных образовательной организации.

Список литературы:

1. Аллен Б. Дауни. Изучение сложных систем с помощь Python / Б. Дауни Аллен. – М.: ДМК-Пресс, 2019. – 160 с.
2. Рамальо Лучано. Python. К вершинам мастерства / Лучано Рамальо. – М.: ДМК-Пресс, 2016. – 768 с.