task02

labs02/task07.py

@@ -6,7 +6,7 @@ Napisz funkcję char_sum, która dla zadanego łańcucha zwraca
 sumę kodów ASCII znaków.
 """
 def char_sum(text):
-    return sum(ord(i) for i in text)
+    pass
 
 def tests(f):
     inputs = [["this is a string"], ["this is another string"]]

labs02/task08.py

@@ -7,11 +7,7 @@ przez 3 lub 5 mniejszych niż n.
 """
 
 def sum_div35(n):
-    sum=0
+    pass
-    for i in range(n):
-        if (i%3 ==0 or i%5 ==0):
-            sum += i
-    return(sum)
 
 def tests(f):
     inputs = [[10], [100], [3845]]

labs02/task09.py

@@ -9,11 +9,7 @@ Np. leet('leet') powinno zwrócić '1337'.
 
 
 def leet_speak(text):
-    text = text.replace('e', '3')
+    pass
-    text = text.replace('l', '1')
-    text = text.replace('o', '0')
-    text = text.replace('t', '7')
-    return text
 
 
 def tests(f):

labs02/task10.py

@@ -9,17 +9,7 @@ na wielką. Np. pokemon_speak('pokemon') powinno zwrócić 'PoKeMoN'.
 
 
 def pokemon_speak(text):
-    slowo = list(text)
+    pass
-    wynik = []
-    for i in range(len(slowo)):
-        if i == 0 or i % 2 == 0:
-            wynik.append(slowo[i].upper())
-
-        else:
-            wynik.append(slowo[i])
-
-    slowo = "".join(wynik)
-    return slowo
 
 
 def tests(f):

labs02/task11.py

@@ -9,15 +9,8 @@ Oba napisy będą składać się wyłacznie z małych liter.
 """
 
 def common_chars(string1, string2):
-    string1 = set(string1.replace(" ", ""))
+    pass
-    string2 = set(string2.replace(" ", ""))
+
-    string12 = []
-    for a1 in string1:
-        for a2 in string2:
-            if a1 == a2:
-                string12.append(a1)
-    string12.sort()
-    return string12
 
 def tests(f):
     inputs = [["this is a string", "ala ma kota"]]

labs06/zad2homework

@@ -1,73 +0,0 @@
-#!/usr/bin/env python
-# -*- coding: utf-8 -*-
-
-import pandas as pd
-from statistics import mode
-import matplotlib.pyplot as plt
-
-def wczytaj_dane():
-    data = pd.read_csv('mieszkania.csv')
-    return data
-
-def most_common_room_number(dane):
-    return mode(dane.Rooms)
-
-
-def cheapest_flats(dane, n):
-    sorted = dane.Expected.sort()
-    return sorted.head(n)
-
-def find_borough(desc):
-    dzielnice = ['Stare Miasto',
-                 'Wilda',
-                 'Jeżyce',
-                 'Rataje',
-                 'Piątkowo',
-                 'Winogrady',
-                 'Miłostowo',
-                 'Dębiec']
-    for dzielnica in dzielnice:
-        list = desc.split(' ')
-        for element in list:
-            if len(element) > 2 and element == dzielnica:
-                return dzielnica
-                break
-    return "Inne"
-
-
-
-def add_borough(dane):
-    dane['Borough'] = dane['Location'].apply(find_borough)
-    return dane
-
-def write_plot(dane, filename):
-    plotdata = pd.Series(dane.Location.value_counts())
-    plotdata.plot(x='Location', y='Liczba ogłoszeń', kind='bar')
-    plt.savefig(filename)
-
-
-def mean_price(dane, room_number):
-    mean_price = dane.Expected[(dane['Rooms'] == room_number)]
-    return mean_price.mean()
-
-def find_13(dane):
-    return dane.Location[(dane['Floor'] == 13)].unique()
-
-def find_best_flats(dane):
-    return dane[(dane['Location'] == '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 najladniejsza dzielnica w Poznaniu."
-          .format(find_borough("Grunwald i Jeżyce")))
-
-    print("Srednia cena mieszkania 3-pokojowego, to: {}"
-          .format(mean_price(dane, 3)))
-
-if __name__ == "__main__":
-    main()