zaddom 06

labs02/intro_task.py

@@ -14,43 +14,54 @@ print ('monika', 'budzyńska')
 """
 Oblicz i wypisz na ekran pole koła o promienie 10. Jako PI przyjmij 3.14.
 """
-
+pi = 3.14
+R = 10
+pole = pi * (R ** 2)
+print ('pole koła =', pole)
 """
 Stwórz zmienną pole_kwadratu i przypisz do liczbę: pole kwadratu o boku 3.
 """
-
+pole_kwadratu = 3*3
 """
 Stwórz 3 elementową listę, która zawiera nazwy 3 Twoich ulubionych owoców.
 Wynik przypisz do zmiennej `owoce`.
 """
-
+lista_owoców = ['awokado', 'jabłko', 'kiwi']
+owoce = lista_owoców
+print (owoce)
 """
 Dodaj do powyższej listy jako nowy element "pomidor".
 """
-
+lista_owoców.append('pomidor')
+print (owoce)
 """
 Usuń z powyższej listy drugi element.
 """
-
+lista_owoców.pop(1)
+print(owoce)
 
 """
 Rozszerz listę o tablice ['Jabłko', "Gruszka"].
 """
-
+lista_owoców.extend(['jabłko','gruszka'])
+print(owoce)
 """
 Wyświetl listę owoce, ale bez pierwszego i ostatniego elementu.
 """
-
+print(owoce[1:4])
-"""
+""""
 Wyświetl co trzeci element z listy owoce.
 """
-
+print(owoce[2::3])
 """
 Stwórz pusty słownik i przypisz go do zmiennej magazyn.
 """
-
+slownik = {}
+magazyn = slownik
 """
 Dodaj do słownika magazyn owoce z listy owoce, tak, aby owoce były kluczami,
 zaś wartościami były równe 5.
 """
-
+for owoc in owoce:
+    magazyn[owoc] = 5
+print (magazyn)

labs02/task01.py

@@ -7,7 +7,7 @@ która zawiera tylko elementy z list o parzystych indeksach.
 """
 
 def even_elements(lista):
-    pass
+   return lista[::2]
 
 
 def tests(f):

labs02/task02.py

@@ -6,7 +6,10 @@
 """
 
 def days_in_year(days):
-    pass
+    if days % 4 == 0 and days % 100 != 0 or days % 400 == 0:
+        return 366
+    else:
+        return 365
 
  def tests(f):
     inputs = [[2015], [2012], [1900], [2400], [1977]]

labs02/task03.py

@@ -9,13 +9,18 @@ znanych wyrazów vocab. Argumenty funkcji text i vocab to odpowiednio łańcuch
 znakowy i lista łańuchów znakowych. Wszystkie wyrazy należy zmienić na małe
 litery. (OOV = out of vocabulary) (W pythonie istnieje struktura danych tak
 jak 'set', która przechowuje elementy bez powtórzeń.)
+text - łańcuch znakowy
+vocab - lista łańcuchów znakowych
 """
 
 
 def oov(text, vocab):
-    pass
+    b = set()
-
+    a = text.split (" ")
-
+    for abc in a:
+        if abc not in vocab:
+            b.add(abc)
+    return b
 
 def tests(f):
     inputs = [("this is a string , which i will use for string testing",

labs02/task04.py

@@ -7,8 +7,10 @@ Jeśli podany argument jest mniejszy od 1 powinna być zwracana wartość 0.
 """
 
 def sum_from_one_to_n(n):
-    pass
+    if n < 1:
-
+        return 0
+    else:
+        return sum(range(n+1))
 
 def tests(f):
     inputs = [[999], [-100]]

labs02/task05.py

@@ -7,10 +7,15 @@ Napisz funkcję euclidean_distance obliczającą odległość między
 dwoma punktami przestrzeni trójwymiarowej. Punkty są dane jako
 trzyelementowe listy liczb zmiennoprzecinkowych.
 np. odległość pomiędzy punktami (0, 0, 0) i (3, 4, 0) jest równa 5.
+x = [0, 0, 0]
+y = [3, 4, 0]
 """
 
 def euclidean_distance(x, y):
-    pass
+    if len(x) != len(y):
+        return 0
+    else:
+        return ((x[0] - y[0])**2 + (x[1]-y[1])**2 + (x[2]-y[2])**2)**0.5
 
 def tests(f):
     inputs = [[(2.3, 4.3, -7.5), (2.3, 8.5, -7.5)]]

labs02/task06.py

@@ -10,7 +10,12 @@ ma być zwracany napis "It's not a Big 'No!'".
 """
 
 def big_no(n):
-    pass
+    pierwsze_n = "N"
+    if n < 5:
+        return "It's not a Big 'No!'"
+    else:
+        return pierwsze_n + n*"O" + "!"
+
 
 def tests(f):
     inputs = [[5], [6], [2]]

labs03/Podstawy 2.ipynb

@@ -232,13 +232,13 @@
     {
      "ename": "TypeError",
      "evalue": "unhashable type: 'list'",
-     "output_type": "error",
      "traceback": [
       "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
       "\u001b[0;31mTypeError\u001b[0m                                 Traceback (most recent call last)",
       "\u001b[0;32m<ipython-input-25-2bd2fa17fbf5>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m()\u001b[0m\n\u001b[1;32m      3\u001b[0m \u001b[0mprint\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mt\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      4\u001b[0m \u001b[0mprint\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mlen\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mt\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m----> 5\u001b[0;31m \u001b[0mprint\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m{\u001b[0m\u001b[0mt\u001b[0m\u001b[0;34m:\u001b[0m \u001b[0;32mNone\u001b[0m\u001b[0;34m}\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m",
       "\u001b[0;31mTypeError\u001b[0m: unhashable type: 'list'"
-     ]
+     ],
+     "output_type": "error"
     }
    ],
    "source": [
@@ -398,13 +398,13 @@
     {
      "ename": "ValueError",
      "evalue": "I/O operation on closed file.",
-     "output_type": "error",
      "traceback": [
       "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
       "\u001b[0;31mValueError\u001b[0m                                Traceback (most recent call last)",
       "\u001b[0;32m<ipython-input-47-f06513c1bbec>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m()\u001b[0m\n\u001b[1;32m      2\u001b[0m     \u001b[0;32mfor\u001b[0m \u001b[0mlinia\u001b[0m \u001b[0;32min\u001b[0m \u001b[0mplik\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mreadlines\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m:\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      3\u001b[0m         \u001b[0mprint\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mlinia\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m----> 4\u001b[0;31m \u001b[0mprint\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mplik\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mread\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m",
       "\u001b[0;31mValueError\u001b[0m: I/O operation on closed file."
-     ]
+     ],
+     "output_type": "error"
     }
    ],
    "source": [

labs06/task02.py

@@ -1,14 +1,18 @@
 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
+import pandas as pd
+import matplotlib.pyplot as plt
 
 def wczytaj_dane():
-    pass
+    dane = pd.read_csv("mieszkania.csv")
+    dane.head()
 
 def most_common_room_number(dane):
-    pass
+    return(dane['Rooms'].value_counts().idxmax())
 
 def cheapest_flats(dane, n):
-    pass
+    p = dane.sort_values(['Expected'], ascending=[0])
+    p.head(n)
 
 def find_borough(desc):
     dzielnice = ['Stare Miasto',
@@ -19,23 +23,28 @@ def find_borough(desc):
                  'Winogrady',
                  'Miłostowo',
                  'Dębiec']
-    pass
+    for i in dzielnice:
+        if desc.find(i) + 1:
+            return (i)
+    return ('Inne')
 
 
 def add_borough(dane):
-    pass
+    dane['Borough'] = dane['Location'].apply(find_borough)
+    return (dane)
 
 def write_plot(dane, filename):
-    pass
+    dane['Borough'].hist()
+    plt.savefig(filename)
 
 def mean_price(dane, room_number):
-    pass
+    return dane.Expected[dane.Rooms == room_number].mean()
 
 def find_13(dane):
-    pass
+    return dane.Borough[dane.Floor == 13].unique()
 
 def find_best_flats(dane):
-    pass
+    return dane[(dane.Borough == 'Winogrady') & (dane.Rooms == 3) & (dane.Floor == 1)]
 
 def main():
     dane = wczytaj_dane()

labs06/tasks.py

@@ -4,62 +4,61 @@
 """
 1. Zaimportuj bibliotkę pandas jako pd.
 """
-
+import pandas as pd
 
 """
-2. Wczytaj zbiór danych `311.csv` do zniennej data.
+2. Wczytaj zbiór danych `311.csv` do zmiennej data.
 """
-
+data = pd.read_csv("./311.csv")
-
 """
 3. Wyświetl 5 pierwszych wierszy z data.
 """
-
+print(data.head(5))
-
 """
 4. Wyświetl nazwy kolumn.
 """
-
+#print(data.columns)
 
 """
 5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.
 """
+shape = data.shape
+rows = shape[0]
+cols = shape[1]
 
+#print(rows, cols)
 
 """
 6. Wyświetl kolumnę 'City' z powyższego zbioru danych.
 """
-
+#print(data.City)
-
 """
 7. Wyświetl jakie wartoścu przyjmuje kolumna 'City'.
 """
-
+#print(data.City.unique())
 """
-8. Wyświetl tabelę rozstawną kolumny City.
+8. Wyświetl tabelę rozstawną kolumny City (zliczanie wartosci) value_counts.
 """
-
+#print(data.City.value_counts())
 
 """
 9. Wyświetl tylko pierwsze 4 wiersze z wcześniejszego polecenia.
 """
-
+#print(data.City.value_counts().head(4))
-
 """
-10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
+10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN
 """
-
+data.City.value_counts()
-
 
 """
 11. Wyświetl data.info()
 """
+data.info()
 
 """
 12. Wyświetl tylko kolumny Borough i Agency i tylko 5 ostatnich linii.
 """
 
-
 """
 13. Wyświetl tylko te dane, dla których wartość z kolumny Agency jest równa
 NYPD. Zlicz ile jest takich przykładów.
@@ -69,6 +68,7 @@ NYPD. Zlicz ile jest takich przykładów.
 14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
 """
 
+
 """
 15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
 """