#!/usr/bin/env python3
# -*- coding: utf-8 -*-

"""
1. Zaimportuj bibliotkę pandas jako pd.
"""
import pandas as pd

"""
2. Wczytaj zbiór danych `311.csv` do zniennej data.
"""
data = pd.read_csv("J:/PycharmProjects/Python2018/labs06/311.csv", low_memory=False)


"""
3. Wyświetl 5 pierwszych wierszy z data.
"""
#print(data.head())

"""
4. Wyświetl nazwy kolumn.
"""
#print(data.columns)

"""
5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.
"""
#print(data.shape)

"""
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.
"""
#print(data['City'].value_counts())

"""
9. Wyświetl tylko pierwsze 4 wiersze z wcześniejszego polecenia.
"""
#data2 = pd.DataFrame(data['City'].value_counts())
#print(data2.info())
#print(data2.head())

"""
10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
"""
#print(data[data['City'].isnull()].shape[0])


"""
11. Wyświetl data.info()
"""
#data.info()

"""
12. Wyświetl tylko kolumny Borough i Agency i tylko 5 ostatnich linii.
"""
#print(data[['Borough', 'Agency']].tail())

"""
13. Wyświetl tylko te dane, dla których wartość z kolumny Agency jest równa
NYPD. Zlicz ile jest takich przykładów.
"""
#print(data[data['Agency']=='NYPD'].shape[0])

"""
14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
"""
#print(data['Longitude'].min())
#print(data['Longitude'].max())

"""
15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
"""
#data['diff'] = data['Longitude']+data['Latitude']
#print(data[-3:].head())

"""
16. Wyświetl tablę rozstawną dla kolumny 'Descriptor', dla której Agency jest
równe NYPD.
"""
#print(data[data['Agency']=='NYPD']['Descriptor'].value_counts())