1
0
forked from tdwojak/Python2018
Python2018/labs06/task02.py
2018-06-22 15:59:02 +02:00

73 lines
2.0 KiB
Python
Executable File

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import pandas as pd
from statistics import mode
import matplotlib.pyplot as plt
def wczytaj_dane():
r = pd.read_csv("mieszkania.csv")
dane = r.dropna(axis='columns')
return dane
def most_common_room_number(dane):
return mode(dane.Rooms)
def cheapest_flats(dane, n):
return dane.sort_values(by="Expected").head(n)
def find_borough(desc):
dzielnice = ['Stare Miasto',
'Wilda',
'Jeżyce',
'Rataje',
'Piątkowo',
'Winogrady',
'Miłostowo',
'Dębiec']
indeks = len(desc)
nazwa_dzielnicy = "Inne"
for dzielnica in dzielnice:
indeks_dzielnica = desc.find(dzielnica)
if indeks_dzielnica < indeks and indeks_dzielnica != -1:
indeks = indeks_dzielnica
nazwa_dzielnicy = dzielnica
return nazwa_dzielnicy
def add_borough(dane):
dane['Borough'] = dane['Location'].apply(find_borough)
return dane
def write_plot(dane, filename):
add_borough(dane)
dane_wykres = pd.Series(dane.Borough.value_counts())
dane_wykres.plot(x='Borough', y='Liczba ogłoszeń', kind = 'bar')
plt.savefig(filename, pad_inches=1, bbox_inches='tight')
def mean_price(dane, room_number):
return dane.Expected[(dane['Rooms'] == room_number)].mean()
def find_13(dane):
add_borough(dane)
return dane.Borough[(dane['Floor'] == 13)].unique()
def find_best_flats(dane):
add_borough(dane)
return dane[(dane['Borough'] == 'Winogrady') & (dane['Rooms'] == 3) & (dane['Floor'] == 1)]
def main():
dane = wczytaj_dane()
print(dane[:5])
print("Najpopularniejsza liczba pokoi w mieszkaniu to: {}"
.format(most_common_room_number(dane)))
print("{} to najładniejsza dzielnica w Poznaniu."
.format(find_borough("Grunwald i Jeżyce")))
print("Średnia cena mieszkania 3-pokojowego, to: {}"
.format(mean_price(dane, 3)))
if __name__ == "__main__":
main()