Poprawa task03 z labs04

.gitignore

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

labs02/task01.py

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

labs02/task02.py

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

labs02/task03.py

@@ -13,7 +13,14 @@ jak 'set', która przechowuje elementy bez powtórzeń.)
 
 
 def oov(text, vocab):
-    pass
+    list_of_words = []
+    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

@@ -7,7 +7,18 @@ Jeśli podany argument jest mniejszy od 1 powinna być zwracana wartość 0.
 """
 
 def sum_from_one_to_n(n):
-    pass
+    # if n < 1:
+    #     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
@@ -10,7 +10,10 @@ np. odległość pomiędzy punktami (0, 0, 0) i (3, 4, 0) jest równa 5.
 """
 
 def euclidean_distance(x, y):
-    pass
+    dist = [(a - b) ** 2 for a, b in zip(x, y)]
+    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

@@ -10,7 +10,11 @@ ma być zwracany napis "It's not a Big 'No!'".
 """
 
 def big_no(n):
-    pass
+    if n < 5:
+        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

@@ -6,7 +6,11 @@ Napisz funkcję char_sum, która dla zadanego łańcucha zwraca
 sumę kodów ASCII znaków.
 """
 def char_sum(text):
-    pass
+    suma = 0
+    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

@@ -7,7 +7,15 @@ przez 3 lub 5 mniejszych niż n.
 """
 
 def sum_div35(n):
-    pass
+    new_range = range(n)
+    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

@@ -9,7 +9,16 @@ Np. leet('leet') powinno zwrócić '1337'.
 
 
 def leet_speak(text):
-    pass
+    let_dict = {'e': '3', 'l': '1', 'o': '0', 't': '7'}
+    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

@@ -9,7 +9,16 @@ na wielką. Np. pokemon_speak('pokemon') powinno zwrócić 'PoKeMoN'.
 
 
 def pokemon_speak(text):
-    pass
+    text_list = []
+    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

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

@@ -0,0 +1,11 @@
+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

@@ -0,0 +1,13 @@
+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

@@ -0,0 +1,15 @@
+# **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

@@ -0,0 +1,31 @@
+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

@@ -0,0 +1,30 @@
+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

@@ -177,8 +177,7 @@
     "        super().__init__(vertexes)\n",
     "        \n",
     "    def czy_jestem_kwadratem(self):\n",
-    "        pass\n",
-    "        "
+    "        pass"
    ]
   },
   {
@@ -309,13 +308,13 @@
     {
      "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": [
@@ -465,13 +464,13 @@
     {
      "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": [
@@ -614,13 +613,13 @@
     {
      "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": [
@@ -634,7 +633,9 @@
     "collapsed": true
    },
    "outputs": [],
-   "source": []
+   "source": [
+    ""
+   ]
   }
  ],
  "metadata": {
@@ -647,7 +648,7 @@
   "language_info": {
    "codemirror_mode": {
     "name": "ipython",
-    "version": 3
+    "version": 3.0
    },
    "file_extension": ".py",
    "mimetype": "text/x-python",
@@ -658,5 +659,5 @@
   }
  },
  "nbformat": 4,
- "nbformat_minor": 2
-}
+ "nbformat_minor": 0
+}

labs04/README.md

@@ -13,6 +13,4 @@ Stwórz klasę ``Point``, która będzie reprezentować punkt w przestrzeni wiel
  * 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.
-
-
+ * Napisz metodę __str__, która bedzie działać dokładnie tak samo jak metoda ``to_string``. Wyświetl obiekt typy Point korzystając z funkcji print.

labs04/task01.py

@@ -1,3 +1,31 @@
 #!/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

@@ -1,3 +1,40 @@
 #!/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

@@ -1,3 +1,58 @@
-#!/usr/bin/env python2
-# -*- coding: utf-8 -*-
+# **ćwiczenie 3 (zadanie domowe) **
+# Stwórz klasę ``Point``, która będzie reprezentować punkt w przestrzeni wielowymiarowej:
+#  * 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

@@ -16,5 +16,4 @@ Plik ``task04.py`` zawiera kod prorgamu, który działa jak popularne narzędzie
  * Jeżeli został podany przełącznik `-l`, to to ma zostać zwrócona tylko liczba linii.
  * 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.
-
+ * Jeżeli został podany inny argument, to należy założyć że jest to nazwa pliku i potraktować ten plik jako wejście do programu.

labs05/task00.py

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

labs05/task01.py

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

labs06/Pandas.ipynb

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

labs06/task02.py

@@ -1,14 +1,50 @@
 #!/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():
-    pass
+    flats_data = pd.read_csv('mieszkania.csv', encoding='utf-8', sep=',', index_col='Id')
+    flats_as_frame = pd.DataFrame(flats_data)
+    return flats_as_frame
+
 
 def most_common_room_number(dane):
-    pass
+    rooms = dane['Rooms']
+    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):
-    pass
+    sorted_flats_data = dane.sort_values(by=['Expected'])
+    first_n_cheapest_flats = sorted_flats_data[:n]
+    return first_n_cheapest_flats
+
 
 def find_borough(desc):
     dzielnice = ['Stare Miasto',
@@ -19,23 +55,95 @@ 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):
-    pass
+    dane['Borough'] = dane['Location'].apply(find_borough)
+    return dane
+
 
 def write_plot(dane, filename):
-    pass
+    bar_plot_data = dane['Borough']
+    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):
-    pass
+    filtered_data_mean = dane[dane['Rooms'] == room_number]['Expected'].mean()
+    return filtered_data_mean
+
 
 def find_13(dane):
-    pass
+    filtered_data_floor_13 = dane[dane['Floor'] == 13]['Borough'].values
+    return filtered_data_floor_13
+
 
 def find_best_flats(dane):
-    pass
+    filtered_data = dane.loc[(dane['Borough'] == 'Winogrady') & dane['Rooms'].isin([3]) & dane['Floor'].isin([1])]
+    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()
@@ -45,10 +153,13 @@ 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()