task02 ready (without extra task 10)

labs02/task01.py

@@ -7,8 +7,11 @@ która zawiera tylko elementy z list o parzystych indeksach.
 """
 
 def even_elements(lista):
-    pass
+    result = []
-
+    for i in range(len(lista)):
+        if i % 2 == 0:
+            result.append(lista[i])
+    return result
 
 def tests(f):
     inputs = [[[1, 2, 3, 4, 5, 6]], [[]], [[41]]]

labs02/task02.py

@@ -6,7 +6,16 @@
 """
 
 def days_in_year(days):
-    pass
+    if days % 4 == 0:
+        if days % 100 == 0:
+            if days % 400 == 0:
+                return 366
+            else:
+                return 365
+        else:
+            return 366
+    else:
+        return 365
 
 def tests(f):
     inputs = [[2015], [2012], [1900], [2400], [1977]]

labs02/task03.py

@@ -13,9 +13,7 @@ jak 'set', która przechowuje elementy bez powtórzeń.)
 
 
 def oov(text, vocab):
-    pass
+    return (set(text.lower().split()) - set(vocab))
-
-
 
 def tests(f):
     inputs = [("this is a string , which i will use for string testing",

labs02/task04.py

@@ -7,7 +7,10 @@ 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(i for i in range(1, n+1))
 
 
 def tests(f):

labs02/task05.py

@@ -1,6 +1,6 @@
 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
-
+import math as m
 
 """
 Napisz funkcję euclidean_distance obliczającą odległość między
@@ -10,7 +10,7 @@ np. odległość pomiędzy punktami (0, 0, 0) i (3, 4, 0) jest równa 5.
 """
 
 def euclidean_distance(x, y):
-    pass
+    return m.sqrt(sum((i-j)**2 for i, j in zip(x, y)))
 
 def tests(f):
     inputs = [[(2.3, 4.3, -7.5), (2.3, 8.5, -7.5)]]

labs02/task06.py

@@ -10,7 +10,10 @@ 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:
+        return "N" + n * "O" + "!"
 
 def tests(f):
     inputs = [[5], [6], [2]]

labs02/task07.py

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

labs02/task08.py

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

labs02/task09.py

@@ -9,8 +9,11 @@ Np. leet('leet') powinno zwrócić '1337'.
 
 
 def leet_speak(text):
-    pass
+    words_dict = { 'e': '3', 'l': '1', 'o': '0', 't': '7' }
-
+    for letter in text:
+        if letter in words_dict:
+            text = text.replace(letter, words_dict[letter])
+    return text
 
 def tests(f):
     inputs = [['leet'], ['do not want']]

labs02/task10.py

@@ -9,8 +9,13 @@ na wielką. Np. pokemon_speak('pokemon') powinno zwrócić 'PoKeMoN'.
 
 
 def pokemon_speak(text):
-    pass
+    result = []
-
+    for i in range(len(text)):
+        if i % 2 == 0:
+            result.append(text[i].upper())
+        else:
+            result.append(text[i])
+    return ''.join(result)
 
 def tests(f):
     inputs = [['pokemon'], ['do not want'], ['POKEMON']]

labs02/task11.py

@@ -9,8 +9,7 @@ Oba napisy będą składać się wyłacznie z małych liter.
 """
 
 def common_chars(string1, string2):
-    pass
+    return sorted(set(string1.replace(' ', '')) & set(string2.replace(' ', '')))
-
 
 def tests(f):
     inputs = [["this is a string", "ala ma kota"]]

labs02/test_task.py

@@ -6,7 +6,7 @@ def suma(a, b):
     """
     Napisz funkcję, która zwraca sumę elementów.
     """
-    return 0
+    return a + b
 
 def tests(f):
     inputs = [(2, 3), (0, 0), (1, 1)]

labs04/task05.py

@@ -0,0 +1,14 @@
+import glob
+import os
+
+scores_files = glob.glob('./scores/model.iter*[0-9].npz.bleu')
+max_result = { 'path': '', 'score': 0.0 }
+
+for f in scores_files:
+    read_file = open(f, 'r').read().split()
+    result = float(read_file[2][:-1])
+    if(result > max_result['score']):
+        max_result['score'] = result
+        max_result['path'] = f
+
+print(os.path.abspath(max_result['path']))

labs06/task02.py

@@ -1,14 +1,21 @@
 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
+import pandas as pd
+import matplotlib.pyplot as plt
+import numpy as np
+
 
 def wczytaj_dane():
-    pass
+    return pd.read_csv('mieszkania.csv')
+
 
 def most_common_room_number(dane):
-    pass
+    return dane.Rooms.value_counts().index[0]
+
 
 def cheapest_flats(dane, n):
-    pass
+    return dane.sort_values(by=['Expected'], ascending=False).head(n)
+
 
 def find_borough(desc):
     dzielnice = ['Stare Miasto',
@@ -19,23 +26,44 @@ def find_borough(desc):
                  'Winogrady',
                  'Miłostowo',
                  'Dębiec']
-    pass
+
+    common_boroughs = list(set(desc.split()).intersection(dzielnice))
+    if not common_boroughs:
+        return "Inne"
+    else:
+        return str(common_boroughs[0])
 
 
 def add_borough(dane):
-    pass
+    dane['Borough'] = dane.Location.apply(lambda el: find_borough(str(el)))
+
 
 def write_plot(dane, filename):
-    pass
+    column_names = list(dane.Borough.value_counts().index)
+    x_pos = np.arange(len(column_names))
+    y_pos = list(dane.Borough.value_counts())
+
+    plt.bar(x_pos, y_pos, align='center')
+    plt.xticks(x_pos, column_names)
+    plt.xlabel('Dzielnica')
+    plt.ylabel('Liczba ogłoszeń')
+    plt.title('Liczba ogłoszeń mieszkaniowych z podziałem na dzielnice')
+
+    img = plt.gcf()
+    img.savefig(filename)
+
 
 def mean_price(dane, room_number):
-    pass
+    return dane.Expected[dane.Rooms == room_number].mean()
+
 
 def find_13(dane):
-    pass
+    return dane.Borough[dane.Floor == 13].unique()
+
 
 def find_best_flats(dane):
-    pass
+    return dane[(dane.Borough == 'Winogrady') & (dane.Rooms == 3) & (dane.Floor == 1)]
+
 
 def main():
     dane = wczytaj_dane()
@@ -44,11 +72,22 @@ def main():
     print("Najpopularniejsza liczba pokoi w mieszkaniu to: {}"
           .format(most_common_room_number(dane)))
 
-    print("{} to najłądniejsza dzielnica w Poznaniu."
+    print("{} to najładniejsza 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)))
 
+    add_borough(dane)
+
+    print("Lista dzielnic, które zawierają ofertę mieszkania na 13 piętrze: {}"
+          .format(', '.join(find_13(dane))))
+
+    write_plot(dane, "test")
+
+    # print("Oferty mieszkań, które znajdują się na Winogradach, mają 3 pokoje i są na 1 piętrze:")
+    # print(find_best_flats(dane))
+
+
 if __name__ == "__main__":
     main()

labs06/tasks.py

@@ -4,77 +4,82 @@
 """
 1. Zaimportuj bibliotkę pandas jako pd.
 """
-
+import pandas as pd
 
 """
 2. Wczytaj zbiór danych `311.csv` do zniennej data.
 """
-
+data = pd.read_csv('311.csv', low_memory=False)
 
 """
 3. Wyświetl 5 pierwszych wierszy z data.
 """
-
+print(data.head())
 
 """
 4. Wyświetl nazwy kolumn.
 """
-
+print(data.columns.values)
 
 """
 5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.
 """
-
+print('Rows: ' + str(data.shape[0]) + '\nColumns: ' + str(data.shape[1]))
 
 """
 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.
 """
-
+print(data.City.value_counts().head(4))
 
 """
 10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
 """
-
+print(len(data[data.City.isnull()]))
-
 
 """
 11. Wyświetl data.info()
 """
+print(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'])
 
 """
 14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
 """
+print('Min: ' + str(data.Longitude.min()))
+print('Max: ' + str(data.Longitude.max()))
 
 """
 15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
 """
-
+data['diff'] = data.Longitude + data.Latitude
 
 """
 16. Wyświetl tablę rozstawną dla kolumny 'Descriptor', dla której Agency jest
 równe NYPD.
 """
+print(data.Descriptor[data.Agency == 'NYPD'].value_counts())