Mini Project

အခုအထိသင်ထားတဲ့ array creation, arithmetic, aggregation, slicing တွေကိုပေါင်းပြီး practical mini project တစ်ခုလုပ်ကြည့်ပါမယ်။ ဒီ project မှာ monthly sales data ကိုယူပြီး total, average, best month, growth percentage တွေတွက်ပါမယ်။ Data analysis အခြေခံ flow တစ်ခုကို NumPy နဲ့ဘယ်လိုရေးလဲဆိုတာ မြင်ရပါမယ်။

import numpy as np

# Monthly sales for one shop
months = np.array(["Jan", "Feb", "Mar", "Apr", "May", "Jun"])
sales = np.array([120000, 135000, 128000, 160000, 175000, 190000])

# Basic summaries
total_sales = sales.sum()
average_sales = sales.mean()
best_month_index = sales.argmax()

# Month-to-month growth percentage
growth = (sales[1:] - sales[:-1]) / sales[:-1] * 100

print("Total sales:", total_sales)
print("Average sales:", round(average_sales, 2))
print("Best month:", months[best_month_index], sales[best_month_index])
print("Growth %:", np.round(growth, 2))

sales.sum() နဲ့ total ကိုတွက်ပါတယ်။ sales.mean() နဲ့ average ရပါတယ်။ sales.argmax() က အကြီးဆုံး sales ရှိတဲ့ index ကိုပြန်ပေးပြီး အဲဒီ index နဲ့ month name ကိုယူပါတယ်။ Growth တွက်တဲ့နေရာမှာ sales[1:] က February ကနေစတဲ့ values, sales[:-1] က January ကနေ May အထိ values ဖြစ်ပါတယ်။ ဒီနှစ်ခုကိုနှိုင်းပြီး month-to-month growth percentage တွက်ထားပါတယ်။

Total sales: 908000 Average sales: 151333.33 Best month: Jun 190000 Growth %: [12.5 -5.19 25. 9.38 8.57]