forked from tdwojak/Python2017
90 lines
2.5 KiB
Python
90 lines
2.5 KiB
Python
#!/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()
|