95 lines
1.7 KiB
Python
Executable File
95 lines
1.7 KiB
Python
Executable File
#!/usr/bin/env python3
|
|
# -*- coding: utf-8 -*-
|
|
|
|
"""
|
|
1. Zaimportuj bibliotkę pandas jako pd.
|
|
"""
|
|
import pandas as pd
|
|
|
|
"""
|
|
2. Wczytaj zbiór danych `311.csv` do zniennej data.
|
|
"""
|
|
|
|
data = pd.read_csv("labs06/311.csv")
|
|
|
|
"""
|
|
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.
|
|
"""
|
|
shape = data.shape
|
|
print(shape)
|
|
|
|
"""
|
|
6. Wyświetl kolumnę 'City' z powyższego zbioru danych.
|
|
"""
|
|
print(data['City'])
|
|
|
|
"""
|
|
7. Wyświetl jakie wartoścu przyjmuje kolumna 'City'.
|
|
"""
|
|
data.City.unique()
|
|
|
|
"""
|
|
8. Wyświetl tabelę rozstawną kolumny City.
|
|
"""
|
|
|
|
t = data.City.value_counts()
|
|
print(t)
|
|
"""
|
|
9. Wyświetl tylko pierwsze 4 wiersze z wcześniejszego polecenia.
|
|
"""
|
|
t.head(4)
|
|
|
|
"""
|
|
10. Wyświetl, w ilu przypadkach kolumna City zawiera NaN.
|
|
"""
|
|
|
|
p = pd.DataFrame(data['City'].isnull())
|
|
t = p[p['City'] == True]
|
|
shape = t.shape
|
|
rows = shape[0]
|
|
print(rows)
|
|
|
|
"""
|
|
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.
|
|
"""
|
|
p = data[data['Agency'] == 'NYPD']
|
|
p.Agency.value_counts()
|
|
"""
|
|
14. Wyświetl wartość minimalną i maksymalną z kolumny Longitude.
|
|
"""
|
|
data['Longitude'].max()
|
|
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.
|
|
"""
|
|
p = data[data['Agency'] == 'NYPD']
|
|
p.Descriptor.value_counts() |