1
0
forked from tdwojak/Python2018
Python2018/labs06/task02.py

87 lines
2.1 KiB
Python

#!/usr/bin/env python
# -*- coding: utf-8 -*-
import pandas as pd
def wczytaj_dane():
data = pd.read_csv('mieszkania.csv', sep = ',')
return data
def most_common_room_number(dane):
x= dane['Rooms'].value_counts()
return(x.index.values[0])
def cheapest_flats(dane, n):
cheap=dane.sort_values('Expected')
return (cheap.head(n))
def find_borough(desc):
dzielnice = ['Stare Miasto',
'Wilda',
'Jeżyce',
'Rataje',
'Piątkowo',
'Winogrady',
'Miłostowo',
'Dębiec']
for dzielnica in dzielnice:
if dzielnica in desc:
return dzielnica
return 'Inne'
def add_borough(dane):
values = []
for i in dane['Location']:
values.append(find_borough(i))
tempSeries = pd.Series(values)
dane['Borough'] = tempSeries.values
def write_plot(dane, filename):
add_borough(dane)
plot = dane['Borough'].value_counts()
wykres = plot.plot(kind='bar', alpha=0.5, title='Liczba mieszkań z podziałem na dzielnice', fontsize=7, figsize=(8,8))
wykres.set_ylabel('Liczba ogloszeń')
wykres.set_xlabel('Dzielnice')
plik = wykres.get_figure()
plik.savefig(filename)
def mean_price(dane, room_number):
price = dane.loc[dane['Rooms'] == room_number]
return price['Expected'].mean()
def find_13(dane):
x = dane.loc[dane['Floor'] == 13]
return list(set(x['Borough'].tolist()))
def find_best_flats(dane):
the_best = dane.loc[dane['Borough'] == 'Winogrady' & dane['Rooms'] == 3 & dane['Floor'] == 1]
return the_best
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)))
write_plot(dane, 'ogloszenia.png')
if __name__ == "__main__":
main()