Uwaga: wszystkie polecenia należy wykonać samodzielnie. Można współpracować, ale przykłady powinny różnić się rozmiarem czy elementami serii lub ramek danych (o ile nie zaznaczono inaczej).
Ściągawka: https://github.com/pandas-dev/pandas/blob/master/doc/cheatsheet/Pandas_Cheat_Sheet.pdf
-
Zapoznaj się z ćwiczeniami dostępnymi na stronie https://github.com/pjastr/pandas_exercises .
-
Spośród przygotowanych plików csv z poprzednich ćwiczeń wybierz dwa, dla których wykonasz po 10 różnych operacji związanych z grupowaniem i filtrowaniem danych. Kod źródłowy umieść w plikach o nazwie
jaa.py
ijab.py
(oddzielnie dla każdego z plików). -
(
jac.py
) Załaduj poniższą ramkę danych:
import pandas as pd
data = {
"Miasto":['Olsztyn', 'Warszawa'],
"Temperatura" : ["Prognoza", "Aktualna"],
"Sty-2015":[2, -5],
"Lut-2015":[-3, 4],
"Mar-2015":[5, 12]
}
Następnie uporządkuj ramkę danych, aby była zgodną z koncepcją "tiny data".
-
Zapoznaj się z galerią wykresów https://matplotlib.org/gallery/index.html oraz https://python-graph-gallery.com/.
-
(
jad.py
) Wzorując się na https://matplotlib.org/gallery/lines_bars_and_markers/simple_plot.html#sphx-glr-gallery-lines-bars-and-markers-simple-plot-py stwórz wykres funkcji$y=e^x$ na przedziale$[-10,10]$ . -
(
jae.py
) Przeanalizuj kod:
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, np.pi * 2, 100)
plt.subplot(3, 1, 1)
plt.plot(x, np.sin(x), 'r')
plt.grid(True)
plt.xlim(0, np.pi * 2)
plt.subplot(3, 1, 2)
plt.plot(x, np.cos(x), 'g')
plt.grid(True)
plt.xlim(0, np.pi * 2)
plt.subplot(3, 1, 3)
plt.plot(x, np.sin(x), 'r', x, np.cos(x), 'g')
plt.grid(True)
plt.xlim(0, np.pi * 2)
plt.savefig("fig3.png", dpi=72)
plt.show()
Zmodyfikuj go tak, aby na jednym rysunku powstały kolejno wykresy funkcji kwadratowej, sześciennej a następnie nałożone na siebie. Przedział dla