WedX - журнал о программировании и компьютерных науках

Создание случайных групп студентов из базы данных на основе оценок

У меня есть таблица с 30 учениками с оценками от 1 до 5. Как сделать группу из 6 разных учеников, которая содержит пять случайно выбранных учеников? В каждой группе должно быть пять учеников, и каждый из этих пяти учеников должен иметь разные оценки.

Первая группа: ученик1 (1 класс), ученик 2 (2 класс), ученик 3 (3 класс), ученик 4 (4 класс), ученик 5 (5 класс)


  • В MySQL не хватает аналитической поддержки (IE: ROW_NUMBER), чтобы делать то, что вы хотите, но множество вопросов, помеченных как наибольшая-n-на-группу, демонстрируют, насколько распространена потребность и как проблема была решена. 02.04.2011

Ответы:


1

Возьмите данные из таблицы, сгруппируйте результаты по классам, чтобы у вас было array('Grade1' => array('Student1','Student2','etc.'), 'Grade2' => array('Student3','Student4','etc)) и так далее. Рандомизируйте подмассивы, например:

foreach($students as $key=>$student)
{
    shuffle($students[$key]);
}

Затем вы можете просто пройтись по массивам, чтобы $group[0] было = до array($students['Grade1'][0],$students['Grade2'][0],$students['Grade3'][0],etc.), что можно было бы сделать с помощью цикла for().

Вы можете выполнить большую часть работы с рандомизацией и ограничить свои результаты в SQL-запросе, выполнив что-то вроде:

"SELECT * FROM `Students` WHERE `Grade` = 'Grade1' ORDER BY RAND() LIMIT 6"

чтобы получить 6 случайно упорядоченных результатов из таблицы для этого класса. Конечно, для этого потребуется отдельный SQL-запрос для каждой оценки. Вероятно, есть способ получить 6 случайных результатов для каждой оценки в одном запросе.

Я также предполагаю, что один и тот же ученик не может быть в двух разных группах и в каждой группе одни и те же ученики. Если они неравномерны и могут быть более чем в одной группе, вам придется случайным образом выбрать одного из учеников из класса, чтобы заполнить место, что легко можно сделать с помощью чего-то вроде $students['GradeX'][mt_rand(0,count($students['GradeX']) - 1)]

02.04.2011
Новые материалы

Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


Для любых предложений по сайту: [email protected]