Add week 14 solutions for 1114405022

weeks/week-01/solutions/1114405022/08-comprehensions-generators.md

@@ -0,0 +1,27 @@
+
+# 8 容器操作與推導式
+
+## 推導式（Comprehensions）
+
+### 列表推導式
+```python
+[x for x in data if x > 0]  # 建立一個新列表，僅保留 data 中大於 0 的元素
+```
+
+### 字典推導式
+```python
+{k: v for k, v in d.items()}  # 將 d 的所有鍵值對複製到新字典
+```
+
+### 生成器表達式
+```python
+(x * x for x in nums)  # 產生一個生成器，依序產生 nums 中每個元素的平方
+```
+
+---
+
+## 用途（對應第一章範例）：
+
+- 過濾序列（1.16）：用列表推導式快速過濾資料
+- 字典子集（1.17）：用字典推導式過濾部分 key
+- `sum(...)` / `min(...)` / `join(...)`：生成器表達式可直接作為聚合函式的輸入，節省記憶體

weeks/week-01/solutions/1114405022/09-sorting-comparison.md

@@ -0,0 +1,27 @@
+
+# 9 比較、排序與 key 函式
+
+## 比較運算
+```python
+a < b  # 直接比較 a 與 b，適用於數字、字串、tuple 等
+```
+tuple 比較會依序比較每個元素，直到分出高下。
+
+---
+
+## 排序與 key 函式
+```python
+sorted(data, key=lambda x: x.price)  # 依物件的 price 屬性排序
+min(data, key=itemgetter('uid'))     # 取 uid 最小的元素
+```
+key 參數可指定排序或比較的依據，常用 lambda 或 itemgetter。
+
+---
+
+## 用途（對應第一章範例）：
+
+- tuple 比較順序：tuple 會逐一比較每個元素，適合用於多欄位排序
+- 為何 `(priority, index, item)` 可排序：先比 priority，相同時比 index，確保排序穩定且不會因 item 不可比而出錯
+- Top-N：可用 sorted 或 heapq 取出最大/最小 N 筆
+- dict / object 排序：用 key 參數指定排序依據
+- groupby 前置排序：groupby 需先依分組欄位排序，才能正確分組

weeks/week-01/solutions/1114405022/10-import-class-exception-bigo.md

@@ -0,0 +1,46 @@
+
+# 10 模組、類別、例外與 Big-O（最低門檻）
+
+## import 基礎
+```python
+import heapq              # 匯入 heapq 模組，提供 heap 資料結構
+from collections import deque  # 匯入 deque，提供雙向佇列
+```
+用途：引入標準函式庫的進階工具，讓程式更強大。
+
+---
+
+## class 與物件（看得懂即可）
+```python
+class User:
+    def __init__(self, user_id):
+        self.user_id = user_id  # 建立物件屬性
+```
+```python
+user.user_id  # 取用物件屬性
+```
+用途：自訂型別、封裝資料與行為，對應 PriorityQueue、attrgetter、namedtuple 等用法。
+
+---
+
+## 例外處理（try / except）
+```python
+try:
+    int(val)  # 嘗試將 val 轉為整數
+except ValueError:
+    pass      # 若失敗則忽略錯誤
+```
+用途：處理輸入錯誤、資料驗證等，常見於 filter(is_int, values) 等情境。
+
+---
+
+## 基本 Big-O 觀念（聽得懂即可）
+你需要知道：
+- O(1)：常數時間，操作速度與資料量無關（如 dict 查找）
+- O(N)：線性時間，操作速度與資料量成正比（如 for 迴圈）
+- O(log N)：對數時間，常見於二分搜尋、heap 操作
+用途：判斷程式效率、選擇合適資料結構與演算法。
+
+- deque vs list
+- heap push/pop
+- sorted vs nlargest

weeks/week-09/solutions/1114405022 0430/A07-apply-to-student-zip.py

@@ -0,0 +1,209 @@
+# A07. 綜合應用：把 I/O 技巧套到真實學生資料
+# Bloom: Apply — 複習並組合 R01~A06 的 API
+#
+# 資料來源：assets/npu-stu-109-114-anon.zip（6 屆新生資料庫，學號已匿名）
+# 用到的小節對照：
+#   5.11 pathlib 組路徑
+#   5.12 exists 檢查
+#   5.7  zipfile 讀壓縮檔（不解壓）
+#   5.1  encoding='utf-8-sig' 處理 Excel 存的 BOM
+#   5.6  io.StringIO 把 bytes 轉成 csv 可讀的 file-like
+#   5.19 TemporaryDirectory 沙箱輸出
+#   5.5  open(..., 'x') 只寫一次的報告檔
+#   5.21 pickle 保存跨屆統計快照
+#   5.2  print(file=) 寫 Markdown 週報
+
+# ─────────────────────────────────────────────────────────────
+# 必要的模組導入
+# ─────────────────────────────────────────────────────────────
+import csv                    # 用於讀寫 CSV 格式的資料
+import io                     # 提供 StringIO 類別，將 bytes 轉換為 file-like 物件供 csv.reader 使用
+import pickle                 # 序列化 Python 物件，用於保存複雜的資料結構（如 dict）
+import tempfile               # 建立臨時檔案和目錄，用來沙箱化輸出（避免留下臨時檔案）
+import zipfile                # 讀取壓縮檔（.zip），無須先解壓到磁碟
+from collections import Counter  # 計數工具，統計元素出現次數
+from pathlib import Path      # 跨平台的路徑操作（取代 os.path）
+
+# ─────────────────────────────────────────────────────────────
+# 5.11 / 5.12 節：用 pathlib 組路徑並檢查檔案是否存在
+# ─────────────────────────────────────────────────────────────
+HERE = Path(__file__).resolve().parent
+# 組路徑：當前檔案位置 → 向上 4 層 → assets 資料夾 → zip 檔
+# 層級：A07-apply-to-student-zip.py → 1114405022 0430 → solutions → week-09 → weeks → 2026 python
+ZIP_PATH = HERE.parent.parent.parent.parent / "assets" / "npu-stu-109-114-anon.zip"
+# assert：如果檔案不存在，程式停止並輸出錯誤訊息
+assert ZIP_PATH.exists(), f"找不到資料：{ZIP_PATH}"
+print("資料來源:", ZIP_PATH.name)
+
+
+# ─────────────────────────────────────────────────────────────
+# 5.7 / 5.6 / 5.1 節：不解壓直接讀 zip 中的 CSV
+# ─────────────────────────────────────────────────────────────
+def iter_year_csv(zip_path: Path):
+    """
+    從 zip 檔逐年讀取 CSV，每次 yield 一年份的資料。
+
+    參數：
+        zip_path：zip 檔的路徑
+
+    Yield：
+        (年度字串, CSV 表頭列表, CSV 資料列表的列表)
+        例：('109', ['學號', '姓名', '系所名稱', ...], [['學生1資料'], ['學生2資料'], ...])
+    """
+    # 用 with 陳述式自動管理 zip 檔的開關
+    with zipfile.ZipFile(zip_path) as z:
+        # z.infolist()：列出 zip 內所有檔案的資訊
+        for info in z.infolist():
+            # 舊版 zip 常用 cp437 編碼，導致中文檔名亂碼，此版本已是乾淨 utf-8
+            name = info.filename
+
+            # 只處理 .csv 檔案，跳過其他檔案
+            if not name.endswith(".csv"):
+                continue
+
+            # 從檔名前 3 個字元提取年份（如 '109-abc.csv' → '109'）
+            year = name[:3]  # 年份字串，例：'109'~'114'
+
+            # 5.7 節：從 zip 內讀取檔案，回傳 bytes 型別的原始資料
+            raw = z.read(info)                       
+
+            # 5.1 節：decode('utf-8-sig') 將 bytes 轉為字串，並移除 BOM（Byte Order Mark）
+            # BOM 是 Excel 存 utf-8 時常加的前綴，需要移除才能正確解析
+            text = raw.decode("utf-8-sig")           
+
+            # 5.6 節：io.StringIO 將字串「包裝」成檔案物件供 csv.reader 使用
+            # csv.reader 只能讀檔案物件，不能直接讀字串，所以需要 StringIO
+            reader = csv.reader(io.StringIO(text))   
+
+            # 將所有列轉成 list（list of lists）：第一行是表頭，後續是資料行
+            rows = list(reader)
+
+            # yield：每次產出一年份的資料（年份, 表頭, 資料行）
+            yield year, rows[0], rows[1:]
+
+
+# ─────────────────────────────────────────────────────────────
+# 主要分析：跨 6 屆統計新生數量、系所分布、入學方式分布
+# ─────────────────────────────────────────────────────────────
+# 資料結構設計：
+#   summary = {
+#       '109': {'total': 總人數, 'by_dept': Counter({系所名稱: 人數}), 'by_entry': Counter({入學方式: 人數})},
+#       '110': {...},
+#       ...
+#   }
+summary = {}        
+all_depts = Counter()  # 跨全部 6 屆統計各系所累計人數
+
+# 逐年讀取資料並統計
+for year, header, rows in iter_year_csv(ZIP_PATH):
+    # 找出「系所名稱」和「入學方式」兩欄的位置
+    # header.index() 傳回該欄位在列中的索引位置
+    dept_idx  = header.index("系所名稱")
+    entry_idx = header.index("入學方式")
+
+    # 逐行統計：提取對應欄位的值，用 Counter 計算出現次數
+    # if len(r) > dept_idx：檢查該行是否有足夠的欄位（防止索引超界）
+    by_dept  = Counter(r[dept_idx]  for r in rows if len(r) > dept_idx)
+    by_entry = Counter(r[entry_idx] for r in rows if len(r) > entry_idx)
+
+    # 為該年份建立統計摘要
+    summary[year] = {
+        "total":    len(rows),      # 該年份學生總人數
+        "by_dept":  by_dept,        # 該年份各系所人數分布
+        "by_entry": by_entry,       # 該年份各入學方式人數分布
+    }
+
+    # 更新跨屆系所統計（累加該年份的各系所人數到全體統計）
+    all_depts.update(by_dept)
+
+# ─────────────────────────────────────────────────────────────
+# 終端輸出：統計摘要和主要發現
+# ─────────────────────────────────────────────────────────────
+print("\n=== 6 屆新生人數 ===")
+for year in sorted(summary):  # sorted()：按年份從小到大排列
+    # :>4 格式化：數字右對齐，佔用 4 個字符寬度
+    print(f"  {year} 學年：{summary[year]['total']:>4} 人")
+
+print("\n=== 全體最熱門 5 個系所（累計 6 屆） ===")
+# Counter.most_common(5)：回傳出現最頻繁的 5 個元素及其計數
+for dept, n in all_depts.most_common(5):
+    print(f"  {n:>4} 人  {dept}")
+
+print("\n=== 114 學年入學方式分布 ===")
+# 列出 114 年份中所有入學方式及其人數，按人數從多到少排列
+for kind, n in summary["114"]["by_entry"].most_common():
+    print(f"  {n:>4} 人  {kind}")
+
+
+# ─────────────────────────────────────────────────────────────
+# 5.19 / 5.5 / 5.2 / 5.21 節：沙箱輸出和序列化
+# 使用臨時目錄產生報告和快照，避免在真實專案留下測試檔案
+# ─────────────────────────────────────────────────────────────
+# with tempfile.TemporaryDirectory()：建立臨時目錄，在 with 區塊結束時自動清除
+with tempfile.TemporaryDirectory() as tmp:
+    tmp = Path(tmp)  # 轉換為 Path 物件，方便路徑操作
+
+    # ─ 5.21 節：pickle 序列化 ─
+    # pickle：將複雜 Python 物件（如 dict）序列化成二進制格式存檔
+    # 優點：完全保留資料型態，日後可用 pickle.load() 直接還原
+    snap = tmp / "summary.pkl"
+    with open(snap, "wb") as f:  # "wb"：binary write 模式
+        pickle.dump(summary, f)  # 把 summary dict 序列化並寫入檔案
+    # stat().st_size：取得檔案大小（位元組）
+    print(f"\n快照寫入 {snap.name}：{snap.stat().st_size} bytes")
+
+    # ─ 5.5 / 5.2 節：產生 Markdown 報告 ─
+    # 5.5 節：open() 的 'x' 模式 = exclusive creation
+    # 作用：若檔案已存在會拋例外，防止意外覆蓋
+    report = tmp / "report.md"
+    with open(report, "x", encoding="utf-8") as f:      # "x"：exclusive 只寫一次
+        # 5.2 節：print(file=f) 將輸出寫到檔案而非終端
+        print("# 6 屆新生概況報告\n", file=f)           # 標題
+        print("| 學年 | 人數 | 第一大系所 |", file=f)    # 表格標頭
+        print("|------|------|------------|" , file=f)   # 表格分隔線
+
+        # 逐年製作報告行
+        for year in sorted(summary):
+            # most_common(1)[0]：取最熱門的 1 個系所，[0] 取出 tuple 中的項目
+            top_dept, top_n = summary[year]["by_dept"].most_common(1)[0]
+            print(f"| {year} | {summary[year]['total']} | "
+                  f"{top_dept} ({top_n}) |", file=f)
+
+    # ─ 5.1 節：讀取 Markdown 檔案並輸出預覽 ─
+    # Path.read_text()：一次性讀整個檔案到字串
+    print("\n=== Markdown 報告預覽 ===")
+    print(report.read_text(encoding="utf-8"))
+
+    # ─ 驗證 pickle 反序列化 ─
+    # pickle.load()：從二進制檔案讀回並還原 Python 物件
+    # 驗證型別和內容是否完全一致
+    with open(snap, "rb") as f:  # "rb"：binary read 模式
+        loaded = pickle.load(f)
+    # 印出還原後的 dict key，驗證結構正確
+    print("pickle 讀回 key:", sorted(loaded.keys()))
+
+# ─ 臨時目錄自動清理 ─
+# 離開 with tempfile.TemporaryDirectory() 區塊後，
+# tmp 目錄及其所有內容自動刪除，不會在專案留下臨時檔案
+print("\n(沙箱已自動清理)")
+
+
+# ─────────────────────────────────────────────────────────────
+# 課堂延伸挑戰（供學習者進階練習）
+# ─────────────────────────────────────────────────────────────
+# 1) 把報告改寫到 HERE / 'report.md'
+#    挑戰：改用 'w' 模式會覆蓋舊檔，'x' 模式會報錯
+#    需要檢查檔案是否存在，決定使用 'w' 或 'x'
+#
+# 2) 加一欄「女性比例」：找出性別欄位後用 Counter 統計
+#    提示：先用 header.index("性別") 定位性別欄
+#    然後統計男女人數，計算百分比
+#
+# 3) 把 summary 壓縮存成 summary.pkl.gz
+#    提示：使用 gzip.open('wb') 代替 open('wb')
+#    再用 pickle.dump(summary, f) 寫入
+#
+# 4) 跨屆找出「人數逐年下降最明顯」的系所
+#    提示：把 by_dept 按年份排成時間序列（tuple list）
+#    計算首尾人數差異，找最大負數差
+#    可用 matplotlib 畫折線圖視覺化趨勢