done

labs02/intro_task.py

@@ -9,48 +9,54 @@ Zadania wprowadzające do pierwszych ćwiczeń.
 """
 Wypisz na ekran swoje imię i nazwisko.
 """
-
+print("Sylwia Miśkiewicz")
 
 """
 Oblicz i wypisz na ekran pole koła o promienie 10. Jako PI przyjmij 3.14.
 """
-
+pole= 3.14 * (10**2)
+print (pole)
 """
 Stwórz zmienną pole_kwadratu i przypisz do liczbę: pole kwadratu o boku 3.
 """
-
+pole_kwadratu= 3*3
 """
 Stwórz 3 elementową listę, która zawiera nazwy 3 Twoich ulubionych owoców.
 Wynik przypisz do zmiennej `owoce`.
 """
-
+owoce=['banan','borówka','czereśnia']
 """
 Dodaj do powyższej listy jako nowy element "pomidor".
 """
-
+owoce.append('pomidor')
 """
 Usuń z powyższej listy drugi element.
 """
-
+owoce.pop(1)
 
 """
 Rozszerz listę o tablice ['Jabłko', "Gruszka"].
 """
+owoce.extend(['Jabłko',"Gruszka"])
 
 """
 Wyświetl listę owoce, ale bez pierwszego i ostatniego elementu.
 """
-
+print(owoce[0:-2])
 """
 Wyświetl co trzeci element z listy owoce.
 """
-
+print(owoce[::3])
 """
 Stwórz pusty słownik i przypisz go do zmiennej magazyn.
 """
-
+magazyn={}
 """
 Dodaj do słownika magazyn owoce z listy owoce, tak, aby owoce były kluczami,
 zaś wartościami były równe 5.
 """
+for key in owoce:
+    magazyn[key]=[5]
+
+print(magazyn)
 

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

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

labs02/task03.py

@@ -13,7 +13,10 @@ jak 'set', która przechowuje elementy bez powtórzeń.)
 
 
 def oov(text, vocab):
-    pass
+    test = text.split(' ')
+    words = set()
+    words = {word for word in test if word not in vocab}
+    return words
 
 
 

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

@@ -8,9 +8,9 @@ dwoma punktami przestrzeni trójwymiarowej. Punkty są dane jako
 trzyelementowe listy liczb zmiennoprzecinkowych.
 np. odległość pomiędzy punktami (0, 0, 0) i (3, 4, 0) jest równa 5.
 """
-
+import math as m
 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 +10,11 @@ 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:
+         big_no= "N" + "O" * n + "!"
+         return big_no
 
 def tests(f):
     inputs = [[5], [6], [2]]

labs02/task07.py

@@ -6,7 +6,9 @@ Napisz funkcję char_sum, która dla zadanego łańcucha zwraca
 sumę kodów ASCII znaków.
 """
 def char_sum(text):
-    pass
+    z = list(text)
+    lista = [ord(x) for x in z]
+    return sum(lista)
 
 def tests(f):
     inputs = [["this is a string"], ["this is another string"]]

labs02/task08.py

@@ -7,7 +7,16 @@ przez 3 lub 5 mniejszych niż n.
 """
 
 def sum_div35(n) :
-    pass
+
+    suma = 0
+
+    for i in range(n) : 
+
+       if i % 3 == 0 or i % 5 == 0:
+
+           suma += i
+
+    return suma
 
 def tests(f):
     inputs = [[10], [100], [3845]]

labs02/task09.py

@@ -9,7 +9,15 @@ Np. leet('leet') powinno zwrócić '1337'.
 
 
 def leet_speak(text):
-    pass
+    slownik = {'e' : '3', 'l' : '1', 'o' : '0', 't' : '7'}
+
+    for a in text:
+
+        if a in slownik:
+
+            text = text.replace(a, slownik [a])
+    return text
+
 
 
 def tests(f):

labs02/task10.py

@@ -9,7 +9,15 @@ 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):

labs02/task11.py

@@ -9,7 +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):

labs02/test_task.py

@@ -6,7 +6,9 @@ def suma(a, b):
     """
     Napisz funkcję, która zwraca sumę elementów.
     """
-    return 0
+    suma= a+b
+
+    return suma
 
 def tests(f):
     inputs = [(2, 3), (0, 0), (1, 1)]

labs04/zad5.py

@@ -0,0 +1,23 @@
+import os
+
+import glob
+
+import re
+
+import pandas
+
+
+
+if __name__ == "__main__":
+
+   bleu_files = glob.glob('./scores/model.iter*.npz.bleu')
+
+   lines = []
+
+   for bleu_file in bleu_files:
+
+       lines += [[os.path.abspath(bleu_file), float(re.sub(r'.*?=\s*([^,]+).*', '\\1', line.rstrip('\n')))] for line in open(bleu_file)]
+
+   df = pandas.DataFrame(lines, columns=list('AB'))
+
+   print(df['A'].loc[df['B'].idxmax()])

labs06/task02.py

@@ -1,14 +1,22 @@
 #!/usr/bin/env python
 # -*- coding: utf-8 -*-
 
+import pandas as pd
+import matplotlib.pyplot as plt
+
+
 def wczytaj_dane():
-    pass
+    df = pd.read_csv("./mieszkania.csv", sep=',', header=0)
+    return df
+
 
 def most_common_room_number(dane):
-    pass
+    return dane['Rooms'].value_counts().idxmax()
+
 
 def cheapest_flats(dane, n):
-    pass
+    return dane.sort_values(by='Expected').head(n)
+
 
 def find_borough(desc):
     dzielnice = ['Stare Miasto',
@@ -19,36 +27,40 @@ def find_borough(desc):
                  'Winogrady',
                  'Miłostowo',
                  'Dębiec']
-    pass
+    return next((desc for i in dzielnice if desc in i), 'Inne')
 
 
 def add_borough(dane):
-    pass
+    dane['Borough'] = dane['Location'].apply(find_borough)
+
 
 def write_plot(dane, filename):
-    pass
+    dane['Borough'].value_counts().plot(x='Borough', y='Quantity of adwerts', kind='bar')
+    plt.savefig('./'+filename)
+
 
 def mean_price(dane, room_number):
-    pass
+    return dane[dane["Rooms"] == room_number]["Expected"].mean()
+
 
 def find_13(dane):
-    pass
+    return dane[dane["Floor"] == 13]["Borough"].unique()
+
 
 def find_best_flats(dane):
-    pass
+    return dane[(dane["Borough"] == "Winogrady") & (dane["Floor"] == 1) & (dane["Rooms"] == 3)]
+
 
 def main():
     dane = wczytaj_dane()
     print(dane[:5])
 
-    print("Najpopularniejsza liczba pokoi w mieszkaniu to: {}"
-          .format(most_common_room_number(dane)))
+    print("Najpopularniejsza liczba pokoi w mieszkaniu to: {}".format(most_common_room_number(dane)))
 
-    print("{} to najłądniejsza dzielnica w Poznaniu."
-          .format(find_borough("Grunwald i Jeżyce"))))
+    print("{} to najłądniejsza dzielnica w Poznaniu.".format(find_borough("Grunwald i Jeżyce")))
 
-    print("Średnia cena mieszkania 3-pokojowego, to: {}"
-          .format(mean_price(dane, 3)))
+    print("Średnia cena mieszkania 3-pokojowego, to: {}".format(mean_price(dane, 3)))
 
 if __name__ == "__main__":
     main()
+

labs06/tasks.py

@@ -4,77 +4,83 @@
 """
 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", sep=',', header=0, low_memory=0)
 
 """
 3. Wyświetl 5 pierwszych wierszy z data.
 """
-
+print(data.head(5))
 
 """
 4. Wyświetl nazwy kolumn.
 """
-
+print(data.columns)
 
 """
 5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.
 """
-
+print(str(data.shape[1]) +', '+ str(data.shape[0]))
 
 """
 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(pd.pivot_table(data,columns=['City']))
 
 """
 9. Wyświetl tylko pierwsze 4 wiersze z wcześniejszego polecenia.
 """
-
+print(pd.pivot_table(data,columns=['City']).head(4))
 
 """
 10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
 """
-
-
+print(data['City'].isnull().sum())
 
 """
 11. Wyświetl data.info()
 """
+print(data.info())
 
 """
 12. Wyświetl tylko kolumny Borough i Agency i tylko 5 ostatnich linii.
 """
-
+print(data[['Borough','Agency']].tail(5))
 
 """
 13. Wyświetl tylko te dane, dla których wartość z kolumny Agency jest równa
 NYPD. Zlicz ile jest takich przykładów.
 """
+print(data[data['Agency'] == 'NYPD'])
+print(data['Agency'].value_counts()['NYPD'])
 
 """
 14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
 """
+print(data['Longitude'].max())
+print(data['Longitude'].min())
 
 """
 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(pd.pivot_table(data[data['Agency'] == 'NYPD'],columns=['Descriptor']))