laboratoria4

labs02/task02.py

@@ -6,7 +6,13 @@
 """
 
 def days_in_year(days):
-    pass
+    if ((days % 4 == 0) and (days % 100 != 0)):
+        wynik=366
+    elif (days % 400 == 0):
+        wynik=366
+    else:
+        wynik=365
+    return wynik
 
 def tests(f):
     inputs = [[2015], [2012], [1900], [2400], [1977]]

labs02/task03.py

@@ -13,7 +13,12 @@ jak 'set', która przechowuje elementy bez powtórzeń.)
 
 
 def oov(text, vocab):
-    pass
+    text = text.lower()
+    text2 = text.split(' ')
+    vocab2 =  ' '.join(vocab)
+    vocab2 = vocab2.lower()
+    vocab2 = vocab2.split(' ')
+    return (set(text2).difference(set(vocab2)))
 
 
 

labs02/task04.py

@@ -7,7 +7,13 @@ 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:
+        wynik = 0;
+        for i in range(1,n+1):
+            wynik = wynik+i;
+        return wynik
 
 
 def tests(f):

labs02/task05.py

@@ -10,7 +10,12 @@ np. odległość pomiędzy punktami (0, 0, 0) i (3, 4, 0) jest równa 5.
 """
 
 def euclidean_distance(x, y):
-    pass
+    eukl = 0;
+    for i in range(3):
+        eukl = eukl+(x[i]-y[i])**2
+    eukl = eukl**0.5
+    return eukl
+
 
 def tests(f):
     inputs = [[(2.3, 4.3, -7.5), (2.3, 8.5, -7.5)]]

labs02/task06.py

@@ -10,7 +10,15 @@ ma być zwracany napis "It's not a Big 'No!'".
 """
 
 def big_no(n):
-    pass
+    if n<5:
+        tekst = "It's not a Big 'No!'"
+    else:
+        lista=["N"]
+        for i in range(1,n+1):
+            lista.append("O")
+        lista.append("!")
+        tekst = ''.join(lista)
+    return tekst
 
 def tests(f):
     inputs = [[5], [6], [2]]

labs02/task07.py

@@ -6,7 +6,10 @@ Napisz funkcję char_sum, która dla zadanego łańcucha zwraca
 sumę kodów ASCII znaków.
 """
 def char_sum(text):
-    pass
+    suma = 0
+    for znak in text:
+        suma = suma+ord(znak)
+    return suma
 
 def tests(f):
     inputs = [["this is a string"], ["this is another string"]]

labs02/task08.py

@@ -7,7 +7,12 @@ przez 3 lub 5 mniejszych niż n.
 """
 
 def sum_div35(n):
-    pass
+    suma=0
+    for i in range(1,n):
+        if ((i%3)==0 or (i%5)==0):
+            suma = suma+i
+    return suma
+
 
 def tests(f):
     inputs = [[10], [100], [3845]]

labs02/task09.py

@@ -9,7 +9,21 @@ Np. leet('leet') powinno zwrócić '1337'.
 
 
 def leet_speak(text):
-    pass
+    text2=[]
+    for znak in text:
+        if znak == 'e':
+            text2.append('3')
+        elif znak == 'l':
+            text2.append('1')
+        elif znak == 'o':
+            text2.append('0')
+        elif znak == 't':
+            text2.append('7')
+        else:
+            text2.append(znak)
+    text2 = ''.join(text2)
+    return text2
+
 
 
 def tests(f):

labs02/task10.py

@@ -9,7 +9,17 @@ na wielką. Np. pokemon_speak('pokemon') powinno zwrócić 'PoKeMoN'.
 
 
 def pokemon_speak(text):
-    pass
+    text1 = []
+    for znak in text:
+        text1.append(znak)
+    text2 =[]
+    for i in range(0, len(text)):
+        if (i%2)==0:
+            text2.append(text1[i].upper())
+        else:
+            text2.append(text1[i])
+    text2 = ''.join(text2)
+    return text2
 
 
 def tests(f):

labs02/task11.py

@@ -9,7 +9,13 @@ Oba napisy będą składać się wyłacznie z małych liter.
 """
 
 def common_chars(string1, string2):
-    pass
+    wspolne_znaki = set(string1).intersection(set(string2))
+    wspolne_znaki = set(wspolne_znaki).difference(set(' '))
+    wspolne_znaki_tbl = []
+    for znak in wspolne_znaki:
+        wspolne_znaki_tbl.append(znak)
+    wspolne_znaki_tbl.sort()
+    return wspolne_znaki_tbl
 
 
 def tests(f):

labs04/task05.py

@@ -0,0 +1,22 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+
+import glob
+
+lista_plikow = glob.glob('J:\PycharmProjects\Python2018\labs04\scores\*')
+
+wyniki=[]
+for plik in lista_plikow:
+    tekst = open(plik, 'r')
+    tmp=[]
+    for linia in tekst.readlines():
+        tmp=(linia.strip()).split(' ')
+        wyniki.append(float(tmp[2].replace(',','')))
+
+max=wyniki[0]
+for i in range(1, len(wyniki)):
+    if wyniki[i]>max:
+        max=wyniki[i]
+        max_iter = i
+
+print(lista_plikow[max_iter])

labs06/task02.py

@@ -1,14 +1,22 @@
 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 
+import pandas as pd
+from matplotlib import pyplot as plt
+from sklearn import linear_model
+
 def wczytaj_dane():
-    pass
+    data = pd.read_csv("J:/PycharmProjects/Python2018/labs06/mieszkania.csv")
+    return pd.DataFrame(data)
 
 def most_common_room_number(dane):
-    pass
+    dane2 = dane['Rooms'].value_counts().head(1)
+    pokoje = int(dane2.index[0])
+    return pokoje
 
 def cheapest_flats(dane, n):
-    pass
+    result = dane.sort_values('Expected').head(n)
+    return result
 
 def find_borough(desc):
     dzielnice = ['Stare Miasto',
@@ -19,23 +27,55 @@ def find_borough(desc):
                  'Winogrady',
                  'Miłostowo',
                  'Dębiec']
-    pass
+    for i in range(0,len(dzielnice)):
-
+        if dzielnice[i] in desc:
+            result = dzielnice[i]
+            break
+        else:
+            result = 'Inne'
+    return result
 
 def add_borough(dane):
-    pass
+    dane['Borough'] = dane['Location'].apply(find_borough)
+    return dane
 
 def write_plot(dane, filename):
-    pass
+    dane['Borough'].value_counts().plot(kind='barh')
+    plt.savefig('J:/PycharmProjects/Python2018/labs06/'+filename)
+    return 0
 
 def mean_price(dane, room_number):
-    pass
+    dane2 = dane[dane.Rooms == room_number]
+    srednia = round(dane2.Expected.mean(),2)
+    return srednia
 
 def find_13(dane):
-    pass
+    dane2 = dane[dane.Floor == 13]
+    lista_dzielnic = dane2['Borough'].unique()
+    return lista_dzielnic
 
 def find_best_flats(dane):
-    pass
+    dane2 = dane[(dane['Borough']=='Winogrady') & (dane['Rooms']==3) & (dane['Floor']==1)]
+    return dane2
+
+def reg_lin(dane, metraz, pokoje):
+    reg = linear_model.LinearRegression()
+    reg.fit(dane[['SqrMeters', 'Rooms']], dane['Expected'])
+    result = reg.predict(pd.DataFrame([(metraz, pokoje)], columns=['var1', 'var2']))
+    return result
+
+"""
+dane = wczytaj_dane()
+print(most_common_room_number(dane))
+print(cheapest_flats(dane, 2))
+print(find_borough('Winogrady i Jeżyce'))
+add_borough(dane)
+write_plot(dane, 'wykres')
+print(mean_price(dane, 3))
+print(find_13(dane))
+print(find_best_flats(dane).shape[0])
+print(reg_lin(dane, 60, 3))
+"""
 
 def main():
     dane = wczytaj_dane()
@@ -45,7 +85,7 @@ 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)))

labs06/tasks.py

@@ -4,77 +4,87 @@
 """
 1. Zaimportuj bibliotkę pandas jako pd.
 """
-
+import pandas as pd
 
 """
 2. Wczytaj zbiór danych `311.csv` do zniennej data.
 """
+data = pd.read_csv("J:/PycharmProjects/Python2018/labs06/311.csv", low_memory=False)
 
 
 """
 3. Wyświetl 5 pierwszych wierszy z data.
 """
-
+#print(data.head())
 
 """
 4. Wyświetl nazwy kolumn.
 """
-
+#print(data.columns)
 
 """
 5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.
 """
-
+#print(data.shape)
 
 """
 6. Wyświetl kolumnę 'City' z powyższego zbioru danych.
 """
-
+#print(data['City'])
 
 """
 7. Wyświetl jakie wartoścu przyjmuje kolumna 'City'.
 """
+#print(data['City'].unique())
 
 """
 8. Wyświetl tabelę rozstawną kolumny City.
 """
-
+#print(data['City'].value_counts())
 
 """
 9. Wyświetl tylko pierwsze 4 wiersze z wcześniejszego polecenia.
 """
-
+#data2 = pd.DataFrame(data['City'].value_counts())
+#print(data2.info())
+#print(data2.head())
 
 """
 10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
 """
-
+#print(data[data['City'].isnull()].shape[0])
 
 
 """
 11. Wyświetl data.info()
 """
+#data.info()
 
 """
 12. Wyświetl tylko kolumny Borough i Agency i tylko 5 ostatnich linii.
 """
-
+#print(data[['Borough', 'Agency']].tail())
 
 """
 13. Wyświetl tylko te dane, dla których wartość z kolumny Agency jest równa
 NYPD. Zlicz ile jest takich przykładów.
 """
+#print(data[data['Agency']=='NYPD'].shape[0])
 
 """
 14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
 """
+#print(data['Longitude'].min())
+#print(data['Longitude'].max())
 
 """
 15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
 """
-
+#data['diff'] = data['Longitude']+data['Latitude']
+#print(data[-3:].head())
 
 """
 16. Wyświetl tablę rozstawną dla kolumny 'Descriptor', dla której Agency jest
 równe NYPD.
 """
+#print(data[data['Agency']=='NYPD']['Descriptor'].value_counts())