#!/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. Dodaj kolumnę ``Borough``, która będzie zawierać informacje o dzielnicach i powstanie z kolumny ``Localization``. Wykorzystaj do tego funkcję ``find_borough``.
 1. Uzupełnił funkcje ``write_plot``, która zapisze do pliku ``filename`` wykres słupkowy przedstawiający liczbę ogłoszeń mieszkań z podziałem na dzielnice.
 1. Napisz funkcje ``mean_price``, która zwróci średnią cenę mieszkania ``room_numer``-pokojowego.
 1. Uzupełnij funkcje ``find_13``, która zwróci listę dzielnic, które zawierają ofertę mieszkanie na 13 piętrze.
 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 csv
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):
    pass

def find_13(dane):
    pass

def find_best_flats(dane):
    pass


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()