Python2017/labs06/task02.py

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

"""
** zad. 2 (domowe) **
Jest to zadanie złożone, składające się z kilku części. Całość będzie opierać się o dane zawarte w pliku *mieszkania.csv* i dotyczą cen mieszkań w Poznaniu kilka lat temu.
 1. Uzupełnił funkcje ``write_plot``, która zapisze do pliku ``filename`` wykres słupkowy przedstawiający liczbę ogłoszeń mieszkań z podziałem na dzielnice.
 1. *(dodatkowe)*: Korzystając z pakietu *sklearn* zbuduj model regresji liniowej, która będzie wyznaczać cenę mieszkania na podstawie wielkości mieszkania i liczby pokoi.
"""
import pandas as pd
import statistics

def wczytaj_dane():
    raw_data = pd.read_csv('mieszkania.csv',sep=',')
    data = pd.DataFrame(raw_data)
    return data

def most_common_room_number(dane):
    rooms=dane['Rooms']
    return(int(statistics.mode(rooms)))

def cheapest_flats(dane, n):
    cheapest=pd.DataFrame(dane['Expected'])
    cheapest.sort=cheapest.sort_values(by=['Expected'])
    return cheapest.sort[:n]

def find_borough(desc):
    dzielnice = ['Stare Miasto',
                 'Wilda',
                 'Jeżyce',
                 'Rataje',
                 'Piątkowo',
                 'Winogrady',
                 'Miłostowo',
                 'Dębiec']
    for dzielnica in dzielnice:
        if desc.find(dzielnica)!=-1:
            return dzielnica
    return 'Inne'


def add_borough(dane):
    borough_list=[]
    for data in dane['Location']:
        borough_list.append(find_borough(data))
    borough_series = pd.Series(borough_list,name='Borough')
    dane['Borough']=borough_series
    return dane


def write_plot(dane, filename):

    pass

def mean_price(dane, room_number):
    data=dane.loc[dane['Rooms'] == room_number]
    return round(statistics.mean(data['Expected']),2)

def find_13(dane):
    data = add_borough(dane)
    boroughs = data.loc[data['Floor'] == 13]
    return set(boroughs['Borough'])


def find_best_flats(dane):
    data = add_borough(dane)
    best_flats = data.loc[(data['Borough'] == 'Winogrady') & (data['Floor'] == 1) & (data['Rooms'] == 3)]
    return best_flats


def main():
    dane = wczytaj_dane()
    print(dane[:5])

    print("Najpopularniejsza liczba pokoi w mieszkaniu to: {}"
          .format(most_common_room_number(dane)))

    print("{} to najłądniejsza dzielnica w Poznaniu."
          .format(find_borough("Grunwald i Jeżyce")))


    print("Średnia cena mieszkania 3-pokojowego, to: {}"
          .format(mean_price(dane, 3)))




if __name__ == "__main__":
    main()