گزارش عددی با آرایهٔ NumPy

هدف و راهنمای انجام

ساخت آرایه، محاسبهٔ برداری و تبدیل خروجی به نوع JSON

ورودی

request.json: values: لیست یک‌بعدی عددهای متناهی؛ centered برابر مقدار منهای میانگین. لیست خالی: error=empty_data.

خروجی

result.json مطابق ساختار مثال؛ تمام کلیدهای نشان‌داده‌شده الزامی هستند.

1. مقالهٔ پیش‌نیاز را بخوانید و نمونه‌کد آن را جدا اجرا کنید.
2. با np.asarray و dtype=float، فهرست عددها به آرایه تبدیل می‌شود. mean و max خلاصه‌های عددی را می‌دهند و تفریق میانگین از کل آرایه یک محاسبهٔ برداری است. خروجی centered نشان می‌دهد هر عدد چقدر از میانگین فاصله دارد؛ جمع این فاصله‌ها تقریباً صفر است. این کار فقط مرکزکردن است و با استانداردسازی بر اساس انحراف معیار فرق دارد.
3. در main.py تابع solve(data) را تکمیل کنید؛ بخش خواندن request.json و نوشتن result.json را حفظ کنید.
4. با ورودی نمونه و حالت‌های مرزیِ راهنما اجرا کنید؛ سپس ارزیابی را بزنید.

Python 3؛ دادهٔ ورودی طبق قرارداد است. تابع solve باید برای همهٔ ورودی‌ها کار کند، نه فقط مثال. کتابخانهٔ لازم: numpy؛ در میزکار سایت آماده است.

مثال ورودی و خروجی

{
    "input": {
        "values": [
            2,
            4,
            6
        ]
    },
    "output": {
        "mean": 4,
        "max": 6,
        "centered": [
            -2,
            0,
            2
        ]
    }
}

معیارهای موفقیت

• ساختار و نوع خروجی با قرارداد برابر است.
• محاسبه برای چند ورودی متفاوت و حالت‌های مرزی درست است.
• اجرای ساده XP نمی‌دهد؛ فقط قبولی ارزیابی معتبر باعث ثبت تکمیل می‌شود.

کتابخانه‌ها: numpy

پیش‌نیاز و ترتیب یادگیری

• تست تابع در پایتون؛ assert و مثال نقض

برای شروع، مقالهٔ بالا را بخوانید. Python 3 و کتابخانه‌های موردنیاز در میزکار آماده‌اند؛ نصب آنلاین از ترمینال میزکار لازم نیست.