#!/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.info())
#print(data.columns)

"""
5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.

"""
#shape = data.shape
#rows = shape[0]
#cols = shape[1]

#print(rows, cols)

"""
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(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(5))

"""
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.
"""
#wartosc = data['Longitude']
#print(wartosc.max())
#print(wartosc.min())
"""
15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
"""
x=data['Longitude']
y=data['Latitude']
data['diff'] = x+y
print(data['diff'])
"""
16. Wyświetl tablę rozstawną dla kolumny 'Descriptor', dla której Agency jest
równe NYPD.
"""

p = data[data['Agency'] == 'NYPD']
p.Descriptor.value_counts()