2015-07-31 2 views
-3

У меня есть база данных студентов определенной школы.Равное распределение меток в студенческой группе

student_name |math | science| english| social 
--------------------------------------------- 
Aakas  | 80 | 70 | 90 | 55 
Aphi   | 30 | 80 | 67 | 79 
Geeta  | 60 | 89 | 95 | 87 
pradip  | 70 | 78 | 67 | 65 
Nikita  | 45 | 78 | 90 | 48 
Shanti  | 69 | 90 | 67 | 84 

студентов числа п сказать 1000.

Что мне нужно сделать, это разделить студентов на группы «М» (например, м составляет 250). Таким образом, каждый субъект группы должен иметь почти средние оценки. Для вышесказанного средние оценки математики - 59 (для шести учащихся) для рассмотрения только математики. Если мы разделим шесть студентов на две группы, каждая из которых будет содержать 3 студентов. Группа 1 = {Aakas, Abhi, Geeta} группа 2 = {Pradip, Nikita, Shanti}

Группа 1 имеет среднее 56.67 в математике, которая находится рядом с 59 группы 2 имеет среднее 61.33 в математике, которая находится рядом с 59

Который является только случай, рассматривая математику. Мы должны рассмотреть для всех предметов такие, что каждая группа имеет средние оценки, близкие к среднему значению индивидуального предмета для всех студентов. Как его решить?

+1

Вы можете показать формат вывода, который вам нужен? –

+0

Это больше похоже на электронную таблицу, чем на любой объект реляционной базы данных. – Strawberry

+0

вывод должен быть таким: group1 = {Aakas, Abhi, Geeta} group2 = {Pradip, Nikita, Shanti} и т. Д. Дело в том, что мне нужно разделить целую группу студентов, где у каждой группы мало член (в этом случае 3), имея в виду, что вся группа должна иметь почти равные отметки по всем субъектам – Santosh

ответ

1

База данных TABLE не является SPREADSHEET.

Какая бы проблема это то, что вы думаете, что вы пытаетесь решить, то первым шагом будет нормализовать схему к чему-то гораздо больше похоже на следующее:

+--------------+---------+-------+ 
| student_name | subject | score | 
+--------------+---------+-------+ 
| Aakas  | math | 80 | 
| Aphi   | math | 30 | 
| Geeta  | math | 60 | 
| pradip  | math | 70 | 
| Nikita  | math | 45 | 
| Shanti  | math | 69 | 
| Aakas  | science | 70 | 
| Aphi   | science | 80 | 
| Geeta  | science | 89 | 
| pradip  | science | 78 | 
| Nikita  | science | 78 | 
| Shanti  | science | 90 | 
| Aakas  | english | 90 | 
| Aphi   | english | 67 | 
| Geeta  | english | 95 | 
| pradip  | english | 67 | 
| Nikita  | english | 90 | 
| Shanti  | english | 67 | 
| Aakas  | social | 55 | 
| Aphi   | social | 79 | 
| Geeta  | social | 87 | 
| pradip  | social | 65 | 
| Nikita  | social | 48 | 
| Shanti  | social | 84 | 
+--------------+---------+-------+ 
0

Это простой проблемы кластеризации, вам может использовать K-Means

Смежные вопросы