s327689/Python2018
1
0
Fork 0
forked from tdwojak/Python2018
Code Releases Activity

tasks

Browse Source
This commit is contained in:
s327689 2018-06-03 11:07:28 +02:00
parent fbc307f164
commit 928056aa2e
1 changed files with 18 additions and 6 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

24
labs06/tasks.py
View File

@ -9,7 +9,8 @@ import pandas as pd
"""
2. Wczytaj zbiór danych `311.csv` do zniennej data.
"""
data = pd.read_csv()
data = pd.read_csv("labs06/311.csv")
"""
3. Wyświetl 5 pierwszych wierszy z data.
@ -31,27 +32,33 @@ print(shape)
"""
6. Wyświetl kolumnę 'City' z powyższego zbioru danych.
"""
print(data['City'])
"""
7. Wyświetl jakie wartoścu przyjmuje kolumna 'City'.
"""
data.City.unique()
"""
8. Wyświetl tabelę rozstawną kolumny City.
"""
t = data.City.value_counts()
print(t)
"""
9. Wyświetl tylko pierwsze 4 wiersze z wcześniejszego polecenia.
"""
t.head(4)
"""
10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
"""
p = pd.DataFrame(data['City'].isnull())
t = p[p['City'] == True]
shape = t.shape
rows = shape[0]
print(rows)
"""
11. Wyświetl data.info()
@ -67,17 +74,22 @@ print(data[['Borough', 'Agency']].tail())
NYPD. Zlicz ile jest takich przykładów.
"""
p = data[data['Agency'] == 'NYPD']
data.Agency.value_counts()
p.Agency.value_counts()
"""
14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
"""
data['Longitude'].max()
data['Longitude'].min()
"""
15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
"""
data['diff'] = data['Longitude'] + data['Latitude']
"""
16. Wyświetl tablę rozstawną dla kolumny 'Descriptor', dla której Agency jest
równe NYPD.
"""
p = data[data['Agency'] == 'NYPD']
p.City.value_counts()