Python2018/labs06/tasks.py

#!/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('311.csv', low_memory=False)

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

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

"""
5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.
"""
print('Rows: ' + str(data.shape[0]) + '\nColumns: ' + str(data.shape[1]))

"""
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.
"""
print(data.City.value_counts().head(4))

"""
10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
"""
print(len(data[data.City.isnull()]))

"""
11. Wyświetl data.info()
"""
print(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'])

"""
14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
"""
print('Min: ' + str(data.Longitude.min()))
print('Max: ' + str(data.Longitude.max()))

"""
15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
"""
data['diff'] = data.Longitude + data.Latitude

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