8.3 KiB
8.3 KiB
- Załaduj bibliotekę
pandas
.
import pandas as pd
- Wczytaj dane z pliku _mieszkania.csv do zmiennej i wyświetl 5 pierwszych wierczy.
df = pd.read_csv("./mieszkania.csv")
df.head()
Unnamed: 0 | Id | Expected | Rooms | SqrMeters | Floor | Location | |
---|---|---|---|---|---|---|---|
0 | 0 | 1 | 269000 | 3 | 55.00 | 1 | Poznań Zawady |
1 | 1 | 2 | 320000 | 3 | 79.00 | 10 | Poznań Rataje ul. Orła Bialego |
2 | 2 | 3 | 146000 | 1 | 31.21 | 1 | Poznań Nowe Miasto ul. Kawalerka W Nowym Bloku... |
3 | 3 | 4 | 189000 | 2 | 44.00 | 2 | Poznań Grunwald Ogrody Jeżyce Centrum Łazarz u... |
4 | 4 | 5 | 480240 | 2 | 65.25 | 1 | Poznań ul. Droga Dębińska 19 |
- Znajdź informacje ilu pokojowe mieszkania są najpopularniejsze i ile ich jest.
df['Rooms'].value_counts()
2 2208 3 1553 1 620 4 523 5 81 6 13 10 1 7 1 Name: Rooms, dtype: int64
- Znajdź 10 najtańszych mieszkań.
- Napisz funkcje
find_borough(desc)
, która przyjmuje 1 argument typu _string i zwróci jedną z dzielnic zdefiniowaną w liściedzielnice
. Funkcja ma zwrócić pierwszą (wzgledem kolejności) nazwę dzielnicy, która jest zawarta wdesc
. Jeżeli żadna nazwa nie została odnaleziona, zwróć napis Inne.
def find_borough(desc):
dzielnice = ['Stare Miasto',
'Wilda',
'Jeżyce',
'Rataje',
'Piątkowo',
'Winogrady',
'Miłostowo',
'Dębiec']
- Dodaj kolumnę
Borough
, która będzie zawierać informacje o dzielnicach i powstanie z kolumnyLocalization
. Wykorzystaj do tego funkcjęfind_borough
.
- Wyświetl histogram przedstawiający liczbę ogłoszeń mieszkań z podziałem na dzielnice.
- Znajdź średnią cenę mieszkania n-pokojowego.
df[df['Rooms'] == 2]['Expected'].mean()
303861.86277173914
- Znajdź dzielnice, które zawierają oferty mieszkań na 13 piętrze.
df.query('Floor == 13')['Location']
2195 Poznań Winogrady ul. Os. Wichrowe Wzgórze - Zm... 2773 Poznań Stare Miasto Winogrady ul. Os. Zwycięstwa Name: Location, dtype: object
- Znajdź wszystkie ogłoszenia mieszkań, które znajdują się na Winogradach, mają 3 pokoje i są położone na 1 piętrze.