forked from tdwojak/Python2017
.. | ||
README.md | ||
task02.py |
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.
- 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.
- Uzupełnij funkcję
most_common_room_number
, która zwróci jaka jest najpopularniejsza liczba pokoi w ogłoszeniach. Funkcji powinna zwrócić liczbę całkowitą. - Uzupełnij kod w funkcji
cheapest_flats(dane, n)
, która wzróci n najtańszych ofert mieszkań. Wzrócony obiekt typuDataFrame
. - Napisz funkcje
find_borough(desc)
, która przyjmuje 1 argument typu string i zwróci jedną z dzielnic zdefiniowaną w liściedzielnice
. Funkcja ma zwrócić pierwszą (wzgledem kolejności) nazwę dzielnicy, która jest zawarta wdesc
. Jeżeli żadna nazwa nie została odnaleziona, zwróć Inne. - Dodaj kolumnę
Borough
, która będzie zawierać informacje o dzielnicach i powstanie z kolumnyLocalization
. Wykorzystaj do tego funkcjęfind_borough
. - Uzupełnił funkcje
write_plot
, która zapisze do plikufilename
wykres słupkowy przedstawiający liczbę ogłoszeń mieszkań z podziałem na dzielnice. - Napisz funkcje
mean_price
, która zwróci średnią cenę mieszkaniaroom_numer
-pokojowego. - Uzupełnij funkcje
find_13
, która zwróci listę dzielnic, które zawierają ofertę mieszkanie na 13 piętrze. - Napisz funkcje
find_best_flats
, która zwróci wszystkie ogłoszenia mieszkań, które znajdują się na Winogradach, mają 3 pokoje i są położone na 1 piętrze. - (dodatkowe): Korzystając z pakietu sklearn zbuduj model regresji liniowej, która będzie wyznaczać cenę mieszkania na podstawie wielkości mieszkania i liczby pokoi.