1
0
forked from tdwojak/Python2018
Python2018/labs06/tasks.py

112 lines
1.8 KiB
Python
Raw Normal View History

2018-06-03 08:10:07 +02:00
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
1. Zaimportuj bibliotkę pandas jako pd.
"""
2018-06-13 19:45:49 +02:00
import pandas as pd
2018-06-03 08:10:07 +02:00
"""
2018-06-13 19:45:49 +02:00
2. Wczytaj zbiór danych `311.csv` do zniennej data.
2018-06-03 08:10:07 +02:00
"""
2018-06-13 19:45:49 +02:00
data = pd.read_csv("/home/students/s354567/Desktop/311.csv",low_memory=False)
2018-06-03 08:10:07 +02:00
"""
3. Wyświetl 5 pierwszych wierszy z data.
"""
2018-06-13 19:45:49 +02:00
data.head()
2018-06-03 08:10:07 +02:00
"""
4. Wyświetl nazwy kolumn.
"""
2018-06-13 19:45:49 +02:00
print(data.columns)
2018-06-03 08:10:07 +02:00
"""
5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.
"""
2018-06-13 19:45:49 +02:00
shape = data.shape
print(shape)
2018-06-03 08:10:07 +02:00
"""
6. Wyświetl kolumnę 'City' z powyższego zbioru danych.
"""
2018-06-13 19:45:49 +02:00
print(data['City'])
2018-06-03 08:10:07 +02:00
"""
7. Wyświetl jakie wartoścu przyjmuje kolumna 'City'.
"""
2018-06-13 19:45:49 +02:00
data.City.unique()
2018-06-03 08:10:07 +02:00
"""
8. Wyświetl tabelę rozstawną kolumny City.
"""
2018-06-13 19:45:49 +02:00
data.City.value_counts()
2018-06-03 08:10:07 +02:00
"""
9. Wyświetl tylko pierwsze 4 wiersze z wcześniejszego polecenia.
"""
2018-06-13 19:45:49 +02:00
data.City.value_counts().head(4)
2018-06-03 08:10:07 +02:00
"""
10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
"""
2018-06-13 19:45:49 +02:00
data['City'].isnull().sum()
x=data[data['City'].isnull()]
shape=x.shape
rows=shape[0]
print(rows)
2018-06-03 08:10:07 +02:00
"""
11. Wyświetl data.info()
"""
2018-06-13 19:45:49 +02:00
data.info()
2018-06-03 08:10:07 +02:00
"""
12. Wyświetl tylko kolumny Borough i Agency i tylko 5 ostatnich linii.
"""
2018-06-13 19:45:49 +02:00
print(data[['Borough','Agency']].tail())
2018-06-03 08:10:07 +02:00
"""
13. Wyświetl tylko te dane, dla których wartość z kolumny Agency jest równa
NYPD. Zlicz ile jest takich przykładów.
"""
2018-06-13 19:45:49 +02:00
x=data[data['Agency'] == 'NYPD']
shape=x.shape
rows=shape[0]
print(rows)
2018-06-03 08:10:07 +02:00
"""
14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
"""
2018-06-13 19:45:49 +02:00
Longitude=data['Longitude']
Longitude.min()
Longitude.max()
2018-06-03 08:10:07 +02:00
"""
15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
"""
2018-06-13 19:45:49 +02:00
Latitude=data['Latitude']
Longitude=data['Longitude']
data['Diff']=Latitude + Longitude
2018-06-03 08:10:07 +02:00
"""
16. Wyświetl tablę rozstawną dla kolumny 'Descriptor', dla której Agency jest
równe NYPD.
"""
2018-06-13 19:45:49 +02:00
y=data[data['Agency']=='NYPD']
y.Descriptor.value_counts()