Final updates

.gitignore

@@ -0,0 +1,12 @@
+# wiki files
+Python2017.wiki/*
+
+# Jupyter Files
+*/.ipynb_checkpoints/*
+
+# Rope files
+.ropeproject
+*/.ropeproject
+
+# Labs temp files
+labs03/haslo2.txt

homeworks/results.md

@@ -1,24 +1,38 @@
-ID       |  labs02:task07  |  labs02:task08  |  labs02:task09  |  labs02:task10  |  labs02:task11
+ID       |  labs02:task07  |  labs02:task08  |  labs02:task09  |  labs02:task10  |  labs02:task11  |  labs03  |  labs04  |  labs06  | Punkty | Ocena |
----------|-----------------|-----------------|-----------------|-----------------|---------------
+---------|-----------------|-----------------|-----------------|-----------------|-----------------|----------|----------|----------|--------|-------|
-s45168   |  0              |  0              |  0              |  0              |  0
+s45146   |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  8       |  22    | 5     |
-s45162   |  1              |  1              |  1              |  1              |  1
+s45147   |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  8       |  22    | 5     |
-s45158   |  1              |  1              |  0              |  0              |  1
+s45148   |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  8       |  22    | 5     |
-szwedek  |  1              |  1              |  1              |  1              |  1
+s45150   |  1              |  1              |  1              |  1              |  1              |  2       |  1       |  8       |  16    | 4     |
-s45155   |  1              |  1              |  1              |  1              |  1
+s45151   |  1              |  1              |  1              |  1              |  1              |  0       |  5       |  8       |  18    | 4.5   |
-s45152   |  1              |  1              |  1              |  0              |  1
+s45152   |  1              |  1              |  1              |  0              |  1              |  0       |  5       |  8       |  17    | 4     |
-s45148   |  1              |  1              |  1              |  1              |  1
+s45153   |  0              |  1              |  1              |  1              |  1              |  4       |  0       |  8       |  16    | 4     |
-s45166   |  1              |  1              |  1              |  1              |  1
+s45155   |  1              |  1              |  1              |  1              |  1              |  1       |  5       |  8       |  19    | 4.5   |
-s45151   |  1              |  1              |  1              |  1              |  1
+s45156   |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  8       |  22    | 5     |
-s45146   |  1              |  1              |  1              |  1              |  1
+s45157   |  1              |  1              |  1              |  1              |  1              |  4       |  4       |  8       |  21    | 5     |
-s45150   |  1              |  1              |  1              |  1              |  1
+s45158   |  1              |  1              |  0              |  0              |  1              |  4       |  5       |  8       |  19    | 4.5   |
-s45452   |  1              |  1              |  1              |  1              |  1
+s45159   |  1              |  1              |  1              |  1              |  1              |  2       |  3       |  8       |  18    | 4.5   |
-s45165   |  1              |  1              |  1              |  1              |  1
+s45160   |  1              |  1              |  1              |  1              |  1              |  4       |  4       |  8       |  21    | 5     |
-s45160   |  1              |  1              |  1              |  1              |  1
+s45161   |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  8       |  22    | 5     |
-s45153   |  0              |  0              |  0              |  0              |  0
+s45162   |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  8       |  22    | 5     |
-s45156   |  1              |  1              |  1              |  1              |  1
+s45163   |  1              |  1              |  1              |  1              |  1              |  4       |  4       |  8       |  21    | 5     |
-s45157   |  0              |  0              |  1              |  1              |  1
+s45164   |  1              |  1              |  0              |  1              |  0              |  0       |  5       |  8       |  16    | 4     |
-s45167   |  1              |  1              |  1              |  1              |  1
+s45165   |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  8       |  22    | 5     |
-s45147   |  1              |  0              |  0              |  1              |  0
+s45166   |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  8       |  22    | 5     |
-s45159   |  0              |  0              |  0              |  0              |  0
+s45167   |  1              |  1              |  1              |  1              |  1              |  0       |  5       |  8       |  17    | 4     |
-s45161   |  1              |  1              |  1              |  1              |  1
+s45168   |  0              |  0              |  0              |  0              |  0              |  0       |  0       |  0       |   0    | 2     |
-s45164   |  1              |  1              |  0              |  1              |  0
+s45452   |  1              |  1              |  1              |  1              |  1              |  4       |  4       |  8       |  21    | 5     |
+szwedek  |  1              |  1              |  1              |  1              |  1              |  4       |  5       |  10      |  24    | 5     |
+
+Skala:
+
+Punkty | Ocena |
+-------|-------|
+24-20  |   5   |
+19-18  | 4.5   |
+17-16  |   4   |
+15-13  |   3   |
+12-0   |   2   |
+
+
+Max: 22

labs02/task01.py

@@ -7,7 +7,7 @@ która zawiera tylko elementy z list o parzystych indeksach.
 """
 
 def even_elements(lista):
-    return lista[::2]
+    pass
 
 
 def tests(f):

labs02/task02.py

@@ -5,11 +5,8 @@
  Napisz funkcję days_in_year zwracającą liczbę dni w roku (365 albo 366).
 """
 
-def days_in_year(year):
+def days_in_year(days):
-    if year % 4 == 0 and year % 100 != 0 or year % 400 == 0:
+    pass
-        return 366
-    else:
-        return 365
 
 def tests(f):
     inputs = [[2015], [2012], [1900], [2400], [1977]]

labs02/task03.py

@@ -13,14 +13,7 @@ jak 'set', która przechowuje elementy bez powtórzeń.)
 
 
 def oov(text, vocab):
-    list_of_words = []
+    pass
-    text_splitted = text.split()
-    # print(text_splitted)
-    for word in text_splitted:
-        if word.lower() not in vocab:
-            list_of_words.append(word)
-    return list_of_words
-
 
 
 

labs02/task04.py

@@ -7,18 +7,7 @@ Jeśli podany argument jest mniejszy od 1 powinna być zwracana wartość 0.
 """
 
 def sum_from_one_to_n(n):
-    # if n < 1:
+    pass
-    #     return 0
-    # else:
-    #     return sum(range(n + 1))
-    ranges = range(n + 1)
-    if n < 1:
-        return 0
-    else:
-        return sum(ranges)
-
-
-
 
 
 def tests(f):

labs02/task05.py

@@ -1,7 +1,7 @@
 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 
-import math
+
 """
 Napisz funkcję euclidean_distance obliczającą odległość między
 dwoma punktami przestrzeni trójwymiarowej. Punkty są dane jako
@@ -10,10 +10,7 @@ np. odległość pomiędzy punktami (0, 0, 0) i (3, 4, 0) jest równa 5.
 """
 
 def euclidean_distance(x, y):
-    dist = [(a - b) ** 2 for a, b in zip(x, y)]
+    pass
-    dist = math.sqrt(sum(dist))
-    return dist
-
 
 def tests(f):
     inputs = [[(2.3, 4.3, -7.5), (2.3, 8.5, -7.5)]]

labs02/task06.py

@@ -10,11 +10,7 @@ ma być zwracany napis "It's not a Big 'No!'".
 """
 
 def big_no(n):
-    if n < 5:
+    pass
-        return "It's not a Big 'No!'"
-    else:
-        o_creater = 'O'*n
-        return 'N'+o_creater+'!'
 
 def tests(f):
     inputs = [[5], [6], [2]]

labs02/task07.py

@@ -6,11 +6,7 @@ Napisz funkcję char_sum, która dla zadanego łańcucha zwraca
 sumę kodów ASCII znaków.
 """
 def char_sum(text):
-    suma = 0
+    pass
-    for n in text:
-        asco = ord(n)
-        suma += asco
-    return suma
 
 def tests(f):
     inputs = [["this is a string"], ["this is another string"]]

labs02/task08.py

@@ -7,15 +7,7 @@ przez 3 lub 5 mniejszych niż n.
 """
 
 def sum_div35(n):
-    new_range = range(n)
+    pass
-    new_list = []
-    suma = 0
-    for n in new_range:
-        if n % 3 == 0 or n % 5 == 0:
-            new_list.append(n)
-    for x in new_list:
-        suma += x
-    return suma
 
 def tests(f):
     inputs = [[10], [100], [3845]]

labs02/task09.py

@@ -9,16 +9,7 @@ Np. leet('leet') powinno zwrócić '1337'.
 
 
 def leet_speak(text):
-    let_dict = {'e': '3', 'l': '1', 'o': '0', 't': '7'}
+    pass
-    new_word = []
-    for n in text:
-        if n in let_dict:
-            x = let_dict[n]
-            new_word.append(x)
-        else:
-            new_word.append(n)
-        new_word_joined = ''.join(new_word)
-    return new_word_joined
 
 
 def tests(f):

labs02/task10.py

@@ -9,16 +9,7 @@ na wielką. Np. pokemon_speak('pokemon') powinno zwrócić 'PoKeMoN'.
 
 
 def pokemon_speak(text):
-    text_list = []
+    pass
-    i = 0
-    while i != len(text):
-        text_list.append(text[i].upper())
-        i += 1
-        if i != len(text):
-            text_list.append(text[i])
-            i += 1
-    text_list_joined = ''.join(text_list)
-    return text_list_joined
 
 
 def tests(f):

labs02/task11.py

@@ -9,10 +9,7 @@ Oba napisy będą składać się wyłacznie z małych liter.
 """
 
 def common_chars(string1, string2):
-    string1_list = set([n for n in string1 if n != ' '])
+    pass
-    string2_list = set([n for n in string2 if n != ' '])
-    common_letter_list = sorted([n for n in string1_list if n in string2_list and n != ' '])
-    return common_letter_list
 
 
 def tests(f):

labs03/task01.py

@@ -1,11 +0,0 @@
-a = [1, 2, 3]
-b = 123
-c = 'ala ma kota'
-d = 123.13113
-d = 'kfidf'
-
-print(id(a))
-print(id(b))
-print(id(c))
-print(id(d))
-

labs03/task02.py

@@ -1,13 +0,0 @@
-def fibonacci(n):
-    """Fibonacci numbers generator, first n"""
-    a, b, counter = 0, 1, 0
-    while True:
-        if (counter > n): return
-        yield a
-        a, b = b, a + b
-        counter += 1
-
-
-f = fibonacci(5)
-for x in f:
-    print (x)

labs03/task03.py

@@ -1,15 +0,0 @@
-# **ćwiczenie 3**
-# Strona ``https://api.fixer.io/latest`` udostępnia kursy różnych walut w stosunku do euro. Napisz skrypt, który:
-#  * pobierze zawartość JSONa. Wykorzystaj bibliotekę ``requests`` (http://docs.python-requests.org/en/master/).
-#  * korzystając z biblioteki ``json`` przekształć go do obiketu typu JSON.
-#  * Wyświetl wartość kursu EUR do PLN.
-
-import requests
-import json
-
-response = requests.get('https://api.fixer.io/latest')
-content = response.content
-json_object = json.loads(content)
-currencies_vs_euro_dict = json_object.get("rates")
-pln = currencies_vs_euro_dict.get("PLN")
-print(pln)

labs03/task04.py

@@ -1,31 +0,0 @@
-from weather import Weather
-import datetime
-
-
-def fahrenheit_to_celsius(temperature_in_fahrenheit):
-    temperature_in_celsius = (float(temperature_in_fahrenheit - 32) / (9/5))
-    return round(temperature_in_celsius, 2)
-
-weather = Weather()
-city = 'Poznan'
-weather_by_location = weather.lookup_by_location(city)
-condition = weather_by_location.condition()
-forecasts = weather_by_location.forecast()
-new_dict = {}
-polish_days = ['Poniedziałek', 'Wtorek', 'Środa', 'Czwartek', 'Piątek', 'Sobota', 'Niedziela']
-
-for forecast in forecasts:
-    data = forecast.date()
-    lowest = forecast.low()
-    new_dict.update({data: lowest})
-min_temp_day = min(new_dict, key=new_dict.get)
-new_date = datetime.datetime.strptime(min_temp_day, "%d %b %Y")
-day_of_week = new_date.weekday()
-min_temp = new_dict[min_temp_day]
-min_temp_in_celsius = fahrenheit_to_celsius(float(min_temp))
-
-print('Current temperature in {0}: {1} Fahrenheit. It is {2}.'.format(city, condition.temp(), condition.text().lower()))
-
-print('Najzimniejszy dzień: {0}. Temperatura w tym dniu to {1} Celsjusza'.format(polish_days[day_of_week], min_temp_in_celsius))
-
-

labs03/task05.py

@@ -1,30 +0,0 @@
-import glob
-import pathlib as p
-
-
-# set the path to directory
-my_path = 'C:/Users/**/*.bleu'
-new_dict = {}
-# match files in given directory
-for name in glob.glob(my_path, recursive=True):
-    # for each file in directory set it's path and open the file
-    path_to_file = p.Path(name)
-    with path_to_file.open() as f:
-        # read 1st line in each file
-        line = f.readline()
-        # split this line using ',' as separator
-        line_splitted = line.split(',')
-        # in this case BLUE = YY.YY is the first element of the list,
-        # now we have to split it by ' ' and add it to dictionary
-        # which key will be the file name and value will be that value
-        for i, j in enumerate(line_splitted):
-            if i == 0:
-                blue_splitted = j.split(' ')
-                second_element = float(blue_splitted[2])
-                # in that case searched value is on 3rd position (2nd list element)
-                new_dict.update({path_to_file: second_element})
-print(new_dict)
-# find max key (path) searching by values
-maximum = max(new_dict, key=new_dict.get)
-print(maximum)
-

labs04/Klasy.ipynb

@@ -177,7 +177,8 @@
     "        super().__init__(vertexes)\n",
     "        \n",
     "    def czy_jestem_kwadratem(self):\n",
-    "        pass"
+    "        pass\n",
+    "        "
    ]
   },
   {
@@ -308,13 +309,13 @@
     {
      "ename": "AttributeError",
      "evalue": "'Parser' object has no attribute '__parse'",
+     "output_type": "error",
      "traceback": [
       "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
       "\u001b[0;31mAttributeError\u001b[0m                            Traceback (most recent call last)",
       "\u001b[0;32m<ipython-input-6-80ee186598d3>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m()\u001b[0m\n\u001b[1;32m      4\u001b[0m \u001b[0mparser\u001b[0m \u001b[0;34m=\u001b[0m \u001b[0mParser\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[1;32m      5\u001b[0m \u001b[0mparser\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0m_get\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0;32m----> 6\u001b[0;31m \u001b[0mparser\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0m__parse\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m",
       "\u001b[0;31mAttributeError\u001b[0m: 'Parser' object has no attribute '__parse'"
-     ],
+     ]
-     "output_type": "error"
     }
    ],
    "source": [
@@ -464,13 +465,13 @@
     {
      "ename": "FileNotFoundError",
      "evalue": "[Errno 2] No such file or directory: 'nieistniejący_plik.txt'",
+     "output_type": "error",
      "traceback": [
       "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
       "\u001b[0;31mFileNotFoundError\u001b[0m                         Traceback (most recent call last)",
       "\u001b[0;32m<ipython-input-20-41928d542bef>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m()\u001b[0m\n\u001b[0;32m----> 1\u001b[0;31m \u001b[0;32mwith\u001b[0m \u001b[0mopen\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m\"nieistniejący_plik.txt\"\u001b[0m\u001b[0;34m)\u001b[0m \u001b[0;32mas\u001b[0m \u001b[0mplik\u001b[0m\u001b[0;34m:\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m\u001b[1;32m      2\u001b[0m     \u001b[0mprint\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0mplik\u001b[0m\u001b[0;34m.\u001b[0m\u001b[0mread\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n",
       "\u001b[0;31mFileNotFoundError\u001b[0m: [Errno 2] No such file or directory: 'nieistniejący_plik.txt'"
-     ],
+     ]
-     "output_type": "error"
     }
    ],
    "source": [
@@ -613,13 +614,13 @@
     {
      "ename": "MyError",
      "evalue": "Coś poszło nie tak!",
+     "output_type": "error",
      "traceback": [
       "\u001b[0;31m---------------------------------------------------------------------------\u001b[0m",
       "\u001b[0;31mMyError\u001b[0m                                   Traceback (most recent call last)",
       "\u001b[0;32m<ipython-input-36-4fb306b42ebc>\u001b[0m in \u001b[0;36m<module>\u001b[0;34m()\u001b[0m\n\u001b[0;32m----> 1\u001b[0;31m \u001b[0;32mraise\u001b[0m \u001b[0mMyError\u001b[0m\u001b[0;34m(\u001b[0m\u001b[0;34m\"Coś poszło nie tak!\"\u001b[0m\u001b[0;34m)\u001b[0m\u001b[0;34m\u001b[0m\u001b[0m\n\u001b[0m",
       "\u001b[0;31mMyError\u001b[0m: Coś poszło nie tak!"
-     ],
+     ]
-     "output_type": "error"
     }
    ],
    "source": [
@@ -633,9 +634,7 @@
     "collapsed": true
    },
    "outputs": [],
-   "source": [
+   "source": []
-    ""
-   ]
   }
  ],
  "metadata": {
@@ -648,7 +647,7 @@
   "language_info": {
    "codemirror_mode": {
     "name": "ipython",
-    "version": 3.0
+    "version": 3
    },
    "file_extension": ".py",
    "mimetype": "text/x-python",
@@ -659,5 +658,5 @@
   }
  },
  "nbformat": 4,
- "nbformat_minor": 0
+ "nbformat_minor": 2
 }

labs04/README.md

@@ -14,3 +14,5 @@ Stwórz klasę ``Point``, która będzie reprezentować punkt w przestrzeni wiel
  * Napisz metodę ``to\_string``, która zwróci łancuch znakowy, który w czytelny sposób przedstawi punkt.
  * Napisz metodę __len__, która zwróci liczbę współrzędnych punktu. Zobacz, czy możesz teraz wywołać funkcję len na obiekcie typy punkt.
  * Napisz metodę __str__, która bedzie działać dokładnie tak samo jak metoda ``to_string``. Wyświetl obiekt typy Point korzystając z funkcji print.
+
+

labs04/task01.py

@@ -1,31 +1,3 @@
 #!/usr/bin/env python2
 # -*- coding: utf-8 -*-
 
-# **ćwiczenie 1**
-# Napisz funckję ``is_numeric``, która sprawdzi, czy każdy element z przekazanej listy jest typu int lub float. Wykorzystaj funcję ``isinstance()`` (https://docs.python.org/2/library/functions.html#isinstance).
-
-def is_numeric(another_list):
-    """
-    Check whether each element of the list is an instance of int or float 
-    :param another_list: 
-    :return: True or False
-    """
-    for i in another_list:
-        if isinstance(i, bool):
-            return False
-        elif isinstance(i, (int, float)):
-            i += 1
-        else:
-            return False
-    return True
-
-    # 2nd option
-
-    #     if type(i) in (float, int):
-    #         i += 1
-    #     else:
-    #         return False
-    # return True
-
-
-# print(is_numeric([2, 1.8797, 43654354354354354354354354354354354325879]))

labs04/task02.py

@@ -1,40 +1,3 @@
 #!/usr/bin/env python2
 # -*- coding: utf-8 -*-
 
-# **ćwiczenie 2**
-# Napisz prostą hierarchię klas:
-#  * Klasa bazowa ``Employee``, która będzie zawierać informacje o imieniu i nazwisku pracownika. Ponadto każdy pracownik otrzyma numer ``id``, który będzie unikatowy. Wykorzystaj do tego atrybut statyczny. Napisz metodę ``get_id``, która zwraca identyfikator pracownika.
-#  * Klasy pochodna:  ``Recruiter``, która ma dodatkową mtodę ``recruit``, która jako parament przyjmuje obiekt ``Employee`` i zapisuje jego ``id`` w liście ``self.recruited``.
-#  * Klasa pochodna ``Programmer``. Klasa ``Programmer`` ma przyjąć w konstruktorze podstawowe informacje (imię i nazwisko) oraz obiekt rekturera. Ponadto stwórz  atrybut ``recruiter``, który będzie przechowywać ``id``
-
-
-class Employee:
-    id = 0
-
-    def __init__(self, name, surname):
-        Employee.id += 1
-        self.id = Employee.id
-        self.name = name
-        self.surname = surname
-
-    def get_id(self):
-        return self.id
-
-
-class Recruiter(Employee):
-    def __init__(self, name, surname):
-        super().__init__(name, surname)
-        self.recruited = []
-
-    def recruit(self, Employee_obj):
-        self.recruited.append(Employee_obj.id)
-
-
-class Programmer(Employee):
-    def __init__(self, name, surname, Recruiter_obj):
-        super().__init__(name, surname)
-        self.recruiter = Recruiter_obj.id
-
-
-
-

labs04/task03.py

@@ -1,58 +1,3 @@
-# **ćwiczenie 3 (zadanie domowe) **
+#!/usr/bin/env python2
-# Stwórz klasę ``Point``, która będzie reprezentować punkt w przestrzeni wielowymiarowej:
+# -*- coding: utf-8 -*-
-#  * Konstruktor ma przyjąc tylko 1 parametr: listę współrzednych. Wykorzystaj funkcję z pierwszego zadania, żeby sprawdzić, czy lista zawiera wyłącznie liczby.
-#  * Napisz metodę add, która dida dwa punkty po współrzędnych i zwróci obiekt typu ``Punkt``. Zaimplementuj własny wyjątek ``DimensionError``, który zostaje wyrzucony, jeżeli dodawany punkt ma inny wymiar.
-#  * Napisz metodę ``to\_string``, która zwróci łancuch znakowy, który w czytelny sposób przedstawi punkt.
-#  * Napisz metodę __len__, która zwróci liczbę współrzędnych punktu. Zobacz, czy możesz teraz wywołać funkcję len na obiekcie typy punkt.
-#  * Napisz metodę __str__, która bedzie działać dokładnie tak samo jak metoda ``to_string``. Wyświetl obiekt typy Point korzystając z funkcji print.
 
-from labs04.task01 import is_numeric
-
-
-class Point:
-    coordinates = []
-
-    def __init__(self, coordinates):
-        if is_numeric(coordinates):
-            self.coordinates = coordinates
-        else:
-            raise DimensionError("Coordinates are not numeric")
-
-    def to_string(self):
-        return str(self.coordinates)
-
-    def __len__(self):
-        return len(self.coordinates)
-
-    def __str__(self):
-        return self.to_string()
-
-
-class DimensionError(Exception):
-    def __init__(self, text):
-        self.text = text
-
-    def __str__(self):
-        return self.text
-
-
-def add(point_1, point_2):
-    if len(point_1.coordinates) != len(point_2.coordinates):
-        raise DimensionError("Coordinates have different dimensions")
-    else:
-        new_coordinates = [x + y for x, y in zip(point_1.coordinates, point_2.coordinates)]
-        return Point(new_coordinates)
-
-
-if __name__ == "__main__":
-
-    new_point = Point([5, 10, 12, 6])
-    new_point.to_string()
-    new_point.__len__()
-    new_point_2 = Point([12, 23, 21, 16])
-    print(new_point_2.__str__())
-    new_point_3 = add(new_point, new_point_2)
-
-    print('1st point =', new_point)
-    print('2nd point =', new_point_2)
-    print('1st point + 2nd point = ', new_point_3)

labs05/README.md

@@ -17,3 +17,4 @@ Plik ``task04.py`` zawiera kod prorgamu, który działa jak popularne narzędzie
  * Jeżeli został podany przełącznik `-w`, to to ma zostać zwrócona tylko liczba słów.
  * Jeżeli został podany przełącznik `-c`, to to ma zostać zwrócona tylko liczba znaków.
  * Jeżeli został podany inny argument, to należy założyć że jest to nazwa pliku i potraktować ten plik jako wejście do programu.
+

labs05/task00.py

@@ -2,13 +2,10 @@
 # -*- coding: utf-8 -*-
 
 def suma(liczby):
-    sm = 0
+    pass
-    for i in liczby:
-        sm += i
-    return sm
 
 def main():
-    print(suma([1, 2, 3, 4]))
+    print(summa([1, 2, 3, 4]))
 
 if __name__ == "__main__":
     main()

labs05/task01.py

@@ -1,10 +0,0 @@
-import task00
-import sys
-
-
-def main():
-    x = sys.argv
-
-if __name__ == "__main__":
-    main()
-

labs06/Pandas.ipynb

@@ -846,9 +846,7 @@
     "collapsed": true
    },
    "outputs": [],
-   "source": [
+   "source": []
-    ""
-   ]
   }
  ],
  "metadata": {
@@ -861,7 +859,7 @@
   "language_info": {
    "codemirror_mode": {
     "name": "ipython",
-    "version": 2.0
+    "version": 2
    },
    "file_extension": ".py",
    "mimetype": "text/x-python",
@@ -872,5 +870,5 @@
   }
  },
  "nbformat": 4,
- "nbformat_minor": 0
+ "nbformat_minor": 2
 }

labs06/task02.py

@@ -1,50 +1,14 @@
 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 
-## Zadania
-
-# ** zad. 0 **
-# Sprawdź, czy masz zainstalowany pakiet ``pandas``. Jeżeli nie, zainstaluj go.
-#
-# ** 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, Otwórz plik ``task02.py``, który zawiera szkielet kodu, który będziemy rozwijać w tym zadaniu.
-#  1. Napisz funkcje, która wczyta zestaw danych z pliku *mieszkania.csv* i zwróci obiekt typu *DataFrame*. Jeżeli wszystko zostało zrobione poprawnie, powinno się wyśtwietlić 5 pierwszych wierszy.
-#  1. Uzupełnij funkcję ``most_common_room_number``, która zwróci jaka jest najpopularniejsza liczba pokoi w ogłoszeniach. Funkcji powinna zwrócić liczbę całkowitą.
-#  1. Uzupełnij kod w funkcji ``cheapest_flats(dane, n)``, która wzróci *n* najtańszych ofert mieszkań. Wzrócony obiekt typu ``DataFrame``.
-#  1. Napisz funkcje ``find_borough(desc)``, która przyjmuje 1 argument typu *string* i zwróci jedną z dzielnic zdefiniowaną w liście ``dzielnice``. Funkcja ma zwrócić pierwszą (wzgledem kolejności) nazwę dzielnicy, która jest zawarta w ``desc``. Jeżeli żadna nazwa nie została odnaleziona, zwróć *Inne*.
-#  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 pandas as pd
-import re
-from sklearn import *
-import numpy as np
-
-
 def wczytaj_dane():
-    flats_data = pd.read_csv('mieszkania.csv', encoding='utf-8', sep=',', index_col='Id')
+    pass
-    flats_as_frame = pd.DataFrame(flats_data)
-    return flats_as_frame
-
 
 def most_common_room_number(dane):
-    rooms = dane['Rooms']
+    pass
-    rooms_counter = rooms.value_counts()
-    rooms_counter_dict = rooms_counter.to_dict()
-    max_room = max(rooms_counter_dict, key=rooms_counter_dict.get)
-    return max_room
-
 
 def cheapest_flats(dane, n):
-    sorted_flats_data = dane.sort_values(by=['Expected'])
+    pass
-    first_n_cheapest_flats = sorted_flats_data[:n]
-    return first_n_cheapest_flats
-
 
 def find_borough(desc):
     dzielnice = ['Stare Miasto',
@@ -55,95 +19,23 @@ def find_borough(desc):
                  'Winogrady',
                  'Miłostowo',
                  'Dębiec']
-
+    pass
-    # using regular expression to get rid of all special characters with the exception of accents
-    final_desc_wo_spaces = re.sub(u'[^a-zA-Z0-9áąéęćíóúÁÉÍÓÚâêîôÂÊÎÔńãõÃÕçÇżź:]', ' ', desc)
-    final_desc_wo_spaces = final_desc_wo_spaces.split()
-    for n in final_desc_wo_spaces:
-        if n in dzielnice:
-            return n
-        # horrible hack to match 'Stare' with 'Miasto'
-        elif n == 'Stare':
-            return 'Stare Miasto'
-    return "Inne"
 
 
 def add_borough(dane):
-    dane['Borough'] = dane['Location'].apply(find_borough)
+    pass
-    return dane
-
 
 def write_plot(dane, filename):
-    bar_plot_data = dane['Borough']
+    pass
-    counter = bar_plot_data.value_counts()
-    my_plot = counter.plot(kind='bar', title='Liczba mieszkań w Poznaniu według dzielnicy', figsize=(12, 12))
-    my_plot.set_xlabel('Dzielnica')
-    my_plot.set_ylabel('Liczebność')
-    fig = my_plot.get_figure()
-    fig.savefig(filename + '.png')
-
 
 def mean_price(dane, room_number):
-    filtered_data_mean = dane[dane['Rooms'] == room_number]['Expected'].mean()
+    pass
-    return filtered_data_mean
-
 
 def find_13(dane):
-    filtered_data_floor_13 = dane[dane['Floor'] == 13]['Borough'].values
+    pass
-    return filtered_data_floor_13
-
 
 def find_best_flats(dane):
-    filtered_data = dane.loc[(dane['Borough'] == 'Winogrady') & dane['Rooms'].isin([3]) & dane['Floor'].isin([1])]
+    pass
-    return filtered_data['Description']
-
-
-def percentile_based_outlier(dane, confidence=95):
-    """
-    Filters data set by given confidence criterion
-    :param dane: 
-    :param confidence: 
-    :return: 
-    """
-    diff = (100 - confidence) / 2.0
-    minval, maxval = np.percentile(dane['Expected'], [diff, 100 - diff])
-    return dane[(dane['Expected'] > minval) & (dane['Expected'] < maxval)]
-
-
-def linear_regression(dane, powierzchnia, liczba_pokoi):
-    # remove outliers and define the data/predictors as the pre-set feature name
-    dane_filtered = percentile_based_outlier(dane)
-    features = dane_filtered[['SqrMeters', 'Rooms']]
-    target = dane_filtered['Expected']
-    # print(min(target), max(target))
-
-    x = features
-    y = target
-
-    lm = linear_model.LinearRegression()
-    lm.fit(x, y)
-    model_score = lm.score(x, y)
-
-    # calculate mean squared error
-    mse = np.mean((dane_filtered['Expected'] - lm.predict(x)) ** 2)
-    price = lm.intercept_ + powierzchnia * lm.coef_[0] + liczba_pokoi * lm.coef_[1]
-
-    co = list(zip(x.columns, lm.coef_))
-    coef = pd.DataFrame(co, columns=['feature', 'coefficient'])
-
-    print('Features and coefficients \n {}'.
-          format(coef))
-    print('Estimated intercept coefficient: {}'.
-          format(lm.intercept_))
-    print('Number of coefficients {}'.
-          format(lm.coef_))  # list of coefficients
-    print('R^2 of the prediction: {}'.
-          format(model_score))
-    print('Mean squared error {}'.
-          format(mse))
-    print('{} squared meter flat, which has {} rooms with should cost {} PLN'.
-          format(powierzchnia, liczba_pokoi, round(price, 4)))
-
 
 def main():
     dane = wczytaj_dane()
@@ -153,13 +45,10 @@ def main():
           .format(most_common_room_number(dane)))
 
     print("{} to najłądniejsza dzielnica w Poznaniu."
-          .format(find_borough("Grunwald i Jeżyce")))
+          .format(find_borough("Grunwald i Jeżyce"))))
 
     print("Średnia cena mieszkania 3-pokojowego, to: {}"
           .format(mean_price(dane, 3)))
 
-    linear_regression(dane, 100, 4)
-
-
 if __name__ == "__main__":
     main()