zadanie domowe

.idea/Python2018.iml

@@ -0,0 +1,11 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$" />
+    <orderEntry type="inheritedJdk" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+  <component name="TestRunnerService">
+    <option name="PROJECT_TEST_RUNNER" value="Unittests" />
+  </component>
+</module>

.idea/misc.xml

@@ -0,0 +1,4 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectRootManager" version="2" project-jdk-name="Python 3.6 (tralala)" project-jdk-type="Python SDK" />
+</project>

.idea/modules.xml

@@ -0,0 +1,8 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectModuleManager">
+    <modules>
+      <module fileurl="file://$PROJECT_DIR$/.idea/Python2018.iml" filepath="$PROJECT_DIR$/.idea/Python2018.iml" />
+    </modules>
+  </component>
+</project>

.idea/vcs.xml

@@ -0,0 +1,6 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="VcsDirectoryMappings">
+    <mapping directory="$PROJECT_DIR$" vcs="Git" />
+  </component>
+</project>

labs01/podstawy.py

@@ -168,7 +168,7 @@ for i in range(5):# range[5] = [0,1,2,3,4]
 
 for zmienna in lista:
     # operacje do wykonania w pętli
-
+    pass
 
 # In[ ]:
 

labs02/intro_task.py

@@ -9,48 +9,64 @@ Zadania wprowadzające do pierwszych ćwiczeń.
 """
 Wypisz na ekran swoje imię i nazwisko.
 """
-
+print('Ola Piechowiak')
 
 """
 Oblicz i wypisz na ekran pole koła o promienie 10. Jako PI przyjmij 3.14.
-"""
 
+"""
+r=10
+pi=3.14
+pole=pi * r**2
+print(pole)
 """
 Stwórz zmienną pole_kwadratu i przypisz do liczbę: pole kwadratu o boku 3.
 """
+pole_kwadratu =3**2
+print(pole_kwadratu)
 
 """
 Stwórz 3 elementową listę, która zawiera nazwy 3 Twoich ulubionych owoców.
 Wynik przypisz do zmiennej `owoce`.
 """
-
+owoce=["banan","jagoda","mandarynka"]
+print(owoce)
 """
 Dodaj do powyższej listy jako nowy element "pomidor".
 """
-
+owoce.append('pomidor')
+print(owoce)
 """
 Usuń z powyższej listy drugi element.
 """
-
+owoce.pop(1)
+print(owoce)
 
 """
 Rozszerz listę o tablice ['Jabłko', "Gruszka"].
 """
-
+owoce.append(['Jabłko', "Gruszka"])
+print(owoce)
 """
 Wyświetl listę owoce, ale bez pierwszego i ostatniego elementu.
 """
+print(owoce[1:-1])
 
 """
 Wyświetl co trzeci element z listy owoce.
-"""
 
+"""
+print(owoce[::3])
 """
 Stwórz pusty słownik i przypisz go do zmiennej magazyn.
 """
-
+magazyn={}
+print(magazyn)
 """
 Dodaj do słownika magazyn owoce z listy owoce, tak, aby owoce były kluczami,
 zaś wartościami były równe 5.
 """
 
+for i in owoce:
+    magazyn[i]=5
+    print(magazyn)

labs02/task01.py

@@ -7,7 +7,8 @@ która zawiera tylko elementy z list o parzystych indeksach.
 """
 
 def even_elements(lista):
-    pass
+    return lista[::2]
+
 
 
 def tests(f):

labs02/task02.py

@@ -4,6 +4,11 @@
 """
  Napisz funkcję days_in_year zwracającą liczbę dni w roku (365 albo 366).
 """
+def days_in_year(days):
+    if (days % 4 == 0 and ((days % 100 != 0) or days % 400 == 0)):
+        return 366
+    else:
+        return 365
 
 def days_in_year(days):
     pass

labs02/task03.py

@@ -11,6 +11,7 @@ litery. (OOV = out of vocabulary) (W pythonie istnieje struktura danych tak
 jak 'set', która przechowuje elementy bez powtórzeń.)
 """
 
+def oov(text, vocab):
 
 def oov(text, vocab):
     pass

labs02/task04.py

@@ -7,8 +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(range(1,n+1))
 
 def tests(f):
     inputs = [[999], [-100]]

labs02/task05.py

@@ -10,7 +10,8 @@ np. odległość pomiędzy punktami (0, 0, 0) i (3, 4, 0) jest równa 5.
 """
 
 def euclidean_distance(x, y):
-    pass
+    return ((x[0] - y[0]) ** 2 + (x[1] - y[1]) ** 2 + (x[2] - y[2]) ** 2) ** 0.5
+
 
 def tests(f):
     inputs = [[(2.3, 4.3, -7.5), (2.3, 8.5, -7.5)]]

labs02/task07.py

@@ -5,8 +5,11 @@
 Napisz funkcję char_sum, która dla zadanego łańcucha zwraca
 sumę kodów ASCII znaków.
 """
+
 def char_sum(text):
-    pass
+    return sum(ord(i) for i in text)
+
+
 
 def tests(f):
     inputs = [["this is a string"], ["this is another string"]]

labs02/task08.py

@@ -7,7 +7,11 @@ 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 +9,11 @@ Np. leet('leet') powinno zwrócić '1337'.
 
 
 def leet_speak(text):
-    pass
+    text = text.replace('e', '3')
+    text = text.replace('l', '1')
+    text = text.replace('o', '0')
+    text = text.replace('t', '7')
+    return text
 
 
 def tests(f):

labs02/task10.py

@@ -9,7 +9,16 @@ na wielką. Np. pokemon_speak('pokemon') powinno zwrócić 'PoKeMoN'.
 
 
 def pokemon_speak(text):
-    pass
+    lista = []
+    for i in range(len(text)):
+        if i % 2 == 0:
+            lista.append(text[i].upper())
+        else:
+            lista.append(text[i])
+
+    return ''.join(lista)
+
+
 
 
 def tests(f):

labs02/task11.py

@@ -9,7 +9,15 @@ Oba napisy będą składać się wyłacznie z małych liter.
 """
 
 def common_chars(string1, string2):
-    pass
+    string1 = set(string1.replace(" ", ""))
+    string2 = set(string2.replace(" ", ""))
+    common = []
+    for a1 in string1:
+        for a2 in string2:
+            if a1 == a2:
+                common.append(a1)
+                common.sort()
+    return common
 
 
 def tests(f):

labs06/README.md

@@ -4,15 +4,42 @@
 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.
+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, 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. 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.

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
+    mieszkania = pd.read_csv('mieszkania.csv',
+                            sep=',',
+                            encoding='UTF-8',
+                            usecols=[0,1,2,3,4,5,6])
+    return mieszkania
 
 def most_common_room_number(dane):
-    pass
+    return dane.mode(numeric_only=True)["Rooms"][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 +26,29 @@ def find_borough(desc):
                  'Winogrady',
                  'Miłostowo',
                  'Dębiec']
-    pass
+    for i in dzielnice:
+        if desc.find(i) + 1:
+            return (i)
+    return ('Inne')
 
 
 def add_borough(dane):
-    pass
+    dane['Borough'] = dane['Location'].apply(find_borough)
+    return (dane)
 
 def write_plot(dane, filename):
-    pass
+    bar = dane["Borough"].value_counts().plot(kind="bar", figsize=(6, 6))
+    fig = bar.get_figure()
+    fig.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()
@@ -44,8 +57,8 @@ def main():
     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 najładniejsza dzielnica w Poznaniu."
+          .format(find_borough("Grunwald i Jeżyce")))
 
     print("Średnia cena mieszkania 3-pokojowego, to: {}"
           .format(mean_price(dane, 3)))

labs06/tasks.py

@@ -5,76 +5,102 @@
 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.info())
+#print(data.columns)
 
 """
 5. Wyświetl ile nasz zbiór danych ma kolumn i wierszy.
-"""
 
+"""
+#shape = data.shape
+#rows = shape[0]
+#cols = shape[1]
+
+#print(rows, cols)
 
 """
 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(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(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'])
 
 """
 14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
 """
-
+#wartosc = data['Longitude']
+#print(wartosc.max())
+#print(wartosc.min())
 """
 15. Dodaj kolumne diff, która powstanie przez sumowanie kolumn Longitude i Latitude.
 """
-
-
+x=data['Longitude']
+y=data['Latitude']
+data['diff'] = x+y
+print(data['diff'])
 """
 16. Wyświetl tablę rozstawną dla kolumny 'Descriptor', dla której Agency jest
 równe NYPD.
 """
+
+p = data[data['Agency'] == 'NYPD']
+p.Descriptor.value_counts()