From 2203a269d5f31507696f68ff32bba039b332ef0c Mon Sep 17 00:00:00 2001 From: =?UTF-8?q?Przemys=C5=82aw=20Kaczmarek?= Date: Fri, 12 Jan 2018 18:03:53 +0100 Subject: [PATCH] resolved --- labs06/task02.py | 18 ++++++++++-------- 1 file changed, 10 insertions(+), 8 deletions(-) diff --git a/labs06/task02.py b/labs06/task02.py index 08abfe7..08b54e9 100644 --- a/labs06/task02.py +++ b/labs06/task02.py @@ -5,7 +5,6 @@ ** 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. Napisz funkcje ``find_best_flats``, która zwróci wszystkie ogłoszenia mieszkań, które znajdują się na Winogradach, mają 3 pokoje i są położone na 1 piętrze. 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 @@ -64,22 +63,25 @@ def find_13(dane): def find_best_flats(dane): - pass + 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("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("{} to najłądniejsza dzielnica w Poznaniu." + .format(find_borough("Grunwald i Jeżyce"))) - #print("Średnia cena mieszkania 3-pokojowego, to: {}" - # .format(mean_price(dane, 3))) + print("Średnia cena mieszkania 3-pokojowego, to: {}" + .format(mean_price(dane, 3))) +