Titanic

Dneska budeš datová analytička. Máš skutečný seznam pasažérů Titaniku a jednu otázku, která se dá rozplést na spoustu menších:

Kdo byl na palubě a jak dopadl?

Kolik let bylo nejstaršímu cestujícímu? Kolik stál nejdražší lístek? Jak se jmenovalo nejvíc mužů? A kdo měl největší šanci přežít? Odpovědi v zadání nenajdeš, zjistíš je z dat. Na konci z nich sestavíš zprávu a přidáš k ní otázku, kterou si vymyslíš sama. Vystačíš si s tím, co umíš z lekcí 1 až 9.

TITANIC V ČÍSLECH
============================================

Pasažérů v souboru:         ???
Přežilo:                    ??? (??.? %)
Průměrný věk:              ??.? roku
Nejstarší:                ????? (??)

Podle pohlaví             Přežilo  (lidí)
  ženy                     ??.? %  (???)
  muži                     ??.? %  (???)

Přežití podle třídy
  1. třída        ████████████████████████        ??.? %
  2. třída        ███████████████                 ??.? %
  3. třída        ███████                         ??.? %

Otazníky a délky sloupců v ukázkách jsou jen naznačené. Čísla ti vyjdou z dat.

Pracovat můžeš sama nebo ve dvojici.

Jak přemýšlí analytička

Pořád dokola se opakuje pět kroků:

  1. Polož otázku.
  2. Odhadni odpověď.
  3. Spočítej ji.
  4. Porovnej výsledek s odhadem a s tím, co už víš.
  5. Zeptej se, co tě zajímá dál.

A pět zvyků, které se ti budou hodit:

Odhady, výsledky a další otázky si zapisuj do souboru poznamky.md.

Jak to bude probíhat

Projekt je rozdělený na kroky a každý krok začíná otázkou. Nemusíš stihnout všechno. Do kroku 6 by měla dojít každá. Pak už víš, kdo na lodi byl a kdo přežil častěji. Zbytek je navíc.

Krok Otázka Co si zopakuješ
1 – Načtení Co v souboru vlastně je? seznam slovníků; nové: soubor CSV
2 – Úklid Co v datech chybí? převod typů, měnění slovníku; nové: None
3 – Kdo byl na palubě Kdo byl nejstarší a nejmladší? sčítání v cyklu, hledání největšího
4 – Lístky Kolik stál lístek? stavění seznamu, skládání funkcí
5 – Jména Co prozradí jména? řetězce, split, počítadlo
6 – Kdo přežil Kdo přežil častěji? procenta, podmínky
7 – Přístavy Záleželo na tom, kde kdo nastoupil? slovník seznamů
8 – Přístav, nebo třída Co z toho rozhodovalo? n-tice jako klíč
9 – Graf Jak to ukázat na první pohled? řetězce, zarovnání
10 – Zpráva Titanic v číslech f-stringy, skládání funkcí
11 – Průzkumník Co dalšího se dá z dat zjistit? kontrola vstupu, while
12 – Moje otázka Co zajímá tebe? všechno dohromady

Kdo stihne všech dvanáct kroků, najde další úkoly ve složce bonusy a volné náměty v souboru napady.md.

Každý krok má stejnou stavbu:

  1. Odhad. Než začneš počítat, zapiš si do poznamky.md, co čekáš.
  2. Funkce. Zadání řekne, co má funkce dostat a co vrátit. Píšeš ji do analyza.py.
  3. Testy. V prvních krocích je dostaneš hotové a zkopíruješ si je do test_analyza.py. Od kroku 7 je píšeš sama.
  4. Zpráva. Výsledek vypíšeš v zprava.py a doplníš poznámky. Výpisy z předchozích kroků v souboru nech a nové přidávej pod ně.

Zadání říká, co má funkce dělat. Jak to udělá, je na tobě.

Po každém kroku ulož práci na GitHub: Commit a pak Sync Changes.

Soubory

Soubor K čemu je
analyza.py analýza: funkce, které počítají. Dostanou data a vrátí výsledek. Tyhle funkce se testují.
zprava.py zpráva: print() a input(). Volá funkce z analyza.py. Tenhle soubor spouštíš.
test_analyza.py testy funkcí z analyza.py
Titanic-Dataset.csv data
poznamky.md tvoje poznámky: odhady, výsledky a další otázky
TAHAK.md tahák k tomu, co je v projektu nové: CSV, None, kopie slovníku

Proč dva soubory s kódem? Funkce, která výsledek jen vypíše přes print(), se testovat nedá: test si obrazovku nepřečte. Funkci, která dostane data a výsledek vrátí, otestuješ na jednom řádku. Proto počítání bydlí v analyza.py a vypisování v zprava.py.

Jak vypadá test

def test_pocet_prezivsich():
    assert analyza.pocet_prezivsich(ukazka()) == 3

Test je funkce, jejíž jméno začíná test_. Slovo assert znamená „tvrdím, že“: nalevo je to, co funkce vrátila, napravo to, co vrátit měla. Když tvrzení platí, test je zelený. Když ne, je červený a v hlášce uvidíš, co funkce vrátila doopravdy.

Víc o testech je v lekci o testování, tahák najdeš v lekce-testovani/TAHAK.md.

Na testy nepoužíváme celý soubor, stovky řádků z hlavy nespočítáš. Od kroku 3 budeš mít v testech funkci ukazka() s pěti vymyšlenými pasažéry, u kterých výsledek snadno ověříš.

Co je v datech

Každý řádek souboru je jeden pasažér. Nejsou to všichni lidé na palubě, takže výsledky popisují jen tenhle soubor. Sloupce mají anglické názvy, jak to u skutečných dat bývá.

Sloupec Význam
PassengerId pořadové číslo
Survived 1 = přežil, 0 = nepřežil
Pclass třída: 1, 2 nebo 3
Name jméno ve tvaru Příjmení, Titul. Jméno
Sex female nebo male
Age věk; u některých pasažérů chybí
SibSp kolik sourozenců a manželů měl pasažér na palubě
Parch kolik rodičů a dětí měl pasažér na palubě
Ticket číslo lístku
Fare cena lístku v librách
Cabin kajuta; u většiny pasažérů chybí
Embarked přístav nástupu: S Southampton, C Cherbourg, Q Queenstown

Než začneš

  1. Měj připravený počítač podle návodu Před workshopem: fork, clone a nainstalovaný pytest. Když pytest chybí, napiš v terminálu ve VS Code pip install pytest, na Windows případně py -m pip install pytest.
  2. Ve VS Code měj otevřenou složku celého workshopu (File → Open Folder), ne jen složku projektu.
  3. Otevři panel Testing (ikona baňky vlevo). Rozbal projekt-titanic a spusť jeho testy šipkou vedle názvu. V test_analyza.py je jeden test a má být zelený. Když je, všechno funguje.
  4. Spusť zprava.py. Má vypsat, ve kterém souboru jsou data.
  5. Otevři krok 1.

Když se zasekneš

  1. Přečti si chybovou hlášku odspodu.
  2. Otevři nápovědu ke kroku ve složce napovedy. Jmenuje se stejně jako zadání.
  3. Zeptej se kolegyně ve dvojici nebo u stolu.
  4. Zavolej kouče.

Na konci dne

Ukážeš ostatním svůj nejzajímavější výsledek. Stačí tři věty: na co ses ptala, co vyšlo a co tě překvapilo.

Zpět na workshop

Vytisknout celý projekt

Komentáře

Máš k této stránce dotaz nebo jsi našla chybu? Napiš to sem. Ke komentování je potřeba účet na GitHubu.