Phân tích dữ liệu điểm danh sinh viên theo thời gian

Phân tích dữ liệu điểm danh giúp giáo viên và nhà trường phát hiện xu hướng chuyên cần theo ngày, tuần hoặc tháng, từ đó đưa ra chiến lược hỗ trợ sinh viên hiệu quả. Khi dữ liệu được ghi nhận theo thời gian, chúng ta có thể truy xuất các hành vi quan trọng như tỷ lệ vắng, giờ cao điểm vắng mặt, hoặc lớp nào cần chú ý hơn.

Nếu bạn mới bắt đầu, hãy tham khảo Giải thích các bước xây dựng pipeline học máy, bài Hướng dẫn xử lý thiếu dữ liệu trong Pandas để hiểu cách làm sạch dữ liệu, và bài Hướng dẫn xây dựng mô hình dự đoán điểm thi bằng Machine Learning để hình dung quy trình từ dữ liệu đến mô hình.

Mô tả bài toán

Bài toán đặt ra là: từ dữ liệu điểm danh hàng ngày của sinh viên, phân tích và trực quan hóa để tìm ra xu hướng chuyên cần theo thời gian (ngày, tuần, tháng), theo từng trường học và phát hiện các trường, nhóm sinh viên cần quan tâm.

Chúng ta sẽ sử dụng dataset School Student Daily Attendance từ Kaggle, mục tiêu cuối cùng là tạo một báo cáo phân tích với đồ thị, heatmap và các chỉ số hỗ trợ ra quyết định quản lý.

Dataset và link tải

Dataset School Student Daily Attendance có cấu trúc:

• date – ngày điểm danh

• school_name – tên trường

• student_count – tổng số sinh viên

• present_count – số sinh viên có mặt

• absent_count – số sinh viên vắng mặt

📥 Link tải CSV từ Kaggle (menu Download):
https://www.kaggle.com/datasets/sahirmaharajj/school-student-daily-attendance

Sau khi đăng nhập, bạn click Download để có file school_daily_attendance.csv.

Cài đặt và đọc dữ liệu

!pip install pandas matplotlib seaborn

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# Đọc dữ liệu
df = pd.read_csv('/content/school_daily_attendance.csv')
print(df.shape)
print(df.columns)
print(df.head())
print(df.info())

df['date'] = pd.to_datetime(df['date'])
df['attendance_rate'] = df['present_count'] / df['student_count'] * 100
df['week'] = df['date'].dt.isocalendar().week
df['month'] = df['date'].dt.month

daily = df.groupby('date')['attendance_rate'].mean().reset_index()
plt.figure(figsize=(14,6))
sns.lineplot(data=daily, x='date', y='attendance_rate')
plt.title('Tỷ lệ chuyên cần trung bình theo ngày')
plt.ylabel('Attendance Rate (%)')
plt.xlabel('Ngày')
plt.xticks(rotation=45)
plt.show()

weekly = df.groupby('week')['attendance_rate'].mean().reset_index()
sns.lineplot(data=weekly, x='week', y='attendance_rate')
plt.title('Chuyên cần theo tuần')
plt.xlabel('Tuần trong năm')
plt.ylabel('Attendance Rate (%)')
plt.show()

monthly = df.groupby('month')['attendance_rate'].mean().reset_index()
sns.barplot(data=monthly, x='month', y='attendance_rate', palette='Blues')
plt.title('Chuyên cần theo tháng')
plt.xlabel('Tháng')
plt.ylabel('Attendance Rate (%)')
plt.show()

by_school = df.groupby('school_name')['attendance_rate'].mean().reset_index()
top10 = by_school.sort_values('attendance_rate', ascending=False).head(10)
bottom10 = by_school.sort_values('attendance_rate').head(10)

plt.figure(figsize=(10,6))
sns.barplot(data=top10, y='school_name', x='attendance_rate', palette='viridis')
plt.title('Top10 chuyên cần cao nhất')
plt.xlabel('Attendance Rate (%)')
plt.ylabel('Trường')
plt.show()

pivot = df.pivot_table(index='school_name', columns='month',
                       values='attendance_rate', aggfunc='mean')
plt.figure(figsize=(12,10))
sns.heatmap(pivot, cmap='YlGnBu')
plt.title('Heatmap chuyên cần theo trường và tháng')
plt.xlabel('Tháng')
plt.ylabel('Trường')
plt.show()

df['weekday'] = df['date'].dt.day_name()
avg_by_weekday = df.groupby('weekday')['attendance_rate'].mean().reindex(
    ['Monday','Tuesday','Wednesday','Thursday','Friday','Saturday','Sunday']).reset_index()

sns.barplot(data=avg_by_weekday, x='weekday', y='attendance_rate', palette='magma')
plt.title('Chuyên cần theo ngày trong tuần')
plt.xlabel('Ngày trong tuần')
plt.ylabel('Attendance Rate (%)')
plt.xticks(rotation=45)
plt.show()

conditions = [
    df['attendance_rate'] >= 95,
    df['attendance_rate'] >= 90,
    df['attendance_rate'] < 90
]
choices = ['Excellent','Good','Needs Improvement']
df['status'] = np.select(conditions, choices, default='Needs Improvement')

status_rate = df['status'].value_counts(normalize=True*100)
print(status_rate)