Robert Samarek data4sci

## trash.sh
rm -rf ~/.local/share/Trash/*

## tables.py
for i,table in enumerate(Engine.table_names(), start=1): print(i, table)

## chord.py
chord = hv.Chord((links_base, nodes)).select(value=(5, None))
chord.opts(
    opts.Chord(cmap='Category20', edge_cmap='Category20', edge_color=dim('source').str(),
               labels=None, node_color=dim('index').str(), width=700, height=700))

## clean_str.py
df['column_1'] = df['column_1'].str.strip()

## clean.py
#odstranit přebytečné mezery a \n z názvů sloupců
df.columns = df.columns.str.strip().str.replace('\\n', ' ')

#
df.columns = df.columns.str.strip().str.replace('\\n', ' ').str.strip()

## col_dtypes.py
df.column_1.apply(type).value_counts()
#a změnit vše na `str`
df[df.column_1.notna()] = df.astype({"column_1": str})

## free.sh
# zobrazí volné místo na disku

df -k .

## pandas_settings.py
pd.set_option('display.width', 1000)
pd.set_option('display.max_rows', 36)
pd.set_option('display.max_columns', 100)
pd.set_option('display.max_colwidth', -1)

## raise_exception.py
x = 10
if x > 5:
    raise Exception(f'x should not exceed 5. The value of x was: {x}')

## value_counts.py
df = pd.DataFrame(np.random.randint(0, 2, (10, 4)), columns=list('abcd'))
df.apply(pd.Series.value_counts)
	chord = hv.Chord((links_base, nodes)).select(value=(5, None))
	chord.opts(
	opts.Chord(cmap='Category20', edge_cmap='Category20', edge_color=dim('source').str(),
	labels=None, node_color=dim('index').str(), width=700, height=700))
	#odstranit přebytečné mezery a \n z názvů sloupců
	df.columns = df.columns.str.strip().str.replace('\\n', ' ')

	#
	df.columns = df.columns.str.strip().str.replace('\\n', ' ').str.strip()
	df.column_1.apply(type).value_counts()
	#a změnit vše na `str`
	df[df.column_1.notna()] = df.astype({"column_1": str})
	pd.set_option('display.width', 1000)
	pd.set_option('display.max_rows', 36)
	pd.set_option('display.max_columns', 100)
	pd.set_option('display.max_colwidth', -1)
	x = 10
	if x > 5:
	raise Exception(f'x should not exceed 5. The value of x was: {x}')
	df = pd.DataFrame(np.random.randint(0, 2, (10, 4)), columns=list('abcd'))
	df.apply(pd.Series.value_counts)