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:
- Polož otázku.
- Odhadni odpověď.
- Spočítej ji.
- Porovnej výsledek s odhadem a s tím, co už víš.
- Zeptej se, co tě zajímá dál.
A pět zvyků, které se ti budou hodit:
- Nejdřív odhad. Bez odhadu tě žádný výsledek nepřekvapí.
- Porovnávej. Samotné číslo moc neřekne. Vždycky se ptej: oproti čemu?
- Dívej se, kolik lidí ve skupině je. Procento z pěti lidí toho moc
neříká.
- Ptej se, co chybí. Lidé bez údajů můžou být jiní než ostatní.
- U „proč“ buď opatrná. Když dvě věci vycházejí spolu, ještě to neznamená,
že jedna způsobuje druhou. Někdy za tím stojí něco třetího a někdy je to jen
náhoda.
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:
- Odhad. Než začneš počítat, zapiš si do
poznamky.md, co čekáš.
- Funkce. Zadání řekne, co má funkce dostat a co vrátit. Píšeš ji do
analyza.py.
- Testy. V prvních krocích je dostaneš hotové a zkopíruješ si je do
test_analyza.py. Od kroku 7 je píšeš sama.
- 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
- 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.
- Ve VS Code měj otevřenou složku celého workshopu (File → Open Folder),
ne jen složku projektu.
- 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.
- Spusť
zprava.py. Má vypsat, ve kterém souboru jsou data.
- Otevři krok 1.
Když se zasekneš
- Přečti si chybovou hlášku odspodu.
- Otevři nápovědu ke kroku ve složce
napovedy. Jmenuje se
stejně jako zadání.
- Zeptej se kolegyně ve dvojici nebo u stolu.
- 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
Krok 1 – Co v souboru vlastně je?
Na konci tohohle kroku program načte data a ukáže, co v nich je:
Pasažérů: ???
Sloupce: ['PassengerId', 'Survived', 'Pclass', ...]
{'PassengerId': '1', 'Survived': '0', 'Pclass': '3', ...}
Otazníky v ukázkách znamenají číslo, které ti vyjde. Odpovědi v zadání
nenajdeš, zjistíš je z dat.
CSV je tabulka uložená v textovém souboru. Otevři si Titanic-Dataset.csv ve
VS Code: první řádek jsou názvy sloupců a každý další řádek je jeden pasažér.
Python umí takový soubor přečíst modulem csv, který je jeho součástí, takže
nic neinstalujeme:
import csv
with open(SOUBOR, encoding="utf-8") as f:
radky = list(csv.DictReader(f))
SOUBOR je cesta k datům. Máš ji připravenou nahoře v analyza.py.
open otevře soubor a with se postará, aby se zase zavřel.
csv.DictReader čte soubor řádek po řádku a z každého udělá slovník, kde
klíče jsou názvy sloupců.
list z toho udělá seznam.
Práci se soubory si podrobně projdeme v lekci 13, teď ti stačí tohle. Stejný
recept je i v taháku projektu.
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
nacti_pasazery(soubor) |
seznam slovníků, jeden slovník na každý řádek souboru |
Testy
Otevři test_analyza.py a tyhle testy zkopíruj na jeho konec:
def test_pocet_pasazeru():
pasazeri = analyza.nacti_pasazery(analyza.SOUBOR)
assert len(pasazeri) == 891
def test_kazdy_pasazer_ma_dvanact_sloupcu():
pasazeri = analyza.nacti_pasazery(analyza.SOUBOR)
assert len(pasazeri[0]) == 12
def test_jmeno_prvniho_pasazera():
pasazeri = analyza.nacti_pasazery(analyza.SOUBOR)
assert pasazeri[0]["Name"] == "Braund, Mr. Owen Harris"
Spusť je v panelu Testing. Budou červené a v hlášce uvidíš
AttributeError: module 'analyza' has no attribute 'nacti_pasazery'. To je v
pořádku: testy popisují funkci, která ještě neexistuje. Napiš ji tak, aby
zezelenaly.
Program
Výpisy píšeš do zprava.py.
Na začátku zprava.py už je import analyza. Funkce a cestu k datům
z analyza.py proto voláš s tečkou, stejně jako v testech:
pasazeri = analyza.nacti_pasazery(analyza.SOUBOR)
Import už nikdy měnit nemusíš. Každá funkce, kterou do analyza.py přidáš,
je ve zprava.py hned k dispozici jako analyza.jmeno_funkce.
Vypiš:
- Kolik jich je.
- Názvy sloupců. Klíče slovníku jako seznam získáš takhle:
list(pasazeri[0]).
- Prvního pasažéra.
Všimni si, že i čísla jsou v uvozovkách. Z CSV přijde všechno jako text.
Zobrazit nápověduSkrýt nápovědu
Funkce
Recept ze zadání stačí zabalit do funkce. Místo SOUBOR použij parametr
soubor a seznam nepiš do proměnné navíc, ale vrať ho.
def nacti_pasazery(soubor):
with open(soubor, encoding="utf-8") as f:
...
Pozor na odsazení: return patří dovnitř bloku with, nebo hned za něj.
Čtení ze souboru musí být uvnitř.
Recept na čtení CSV je i v taháku projektu, část CSV.
Program
Počet položek seznamu je len. První položka má index 0. Tahák L8, Seznam.
Proměnnou do textu vložíš f-stringem. Tahák L6, f-string.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 2 – Co v datech chybí?
Zadání na GitHubu
Krok 2 – Co v datech chybí?
Na konci tohohle kroku budou čísla v datech opravdu čísla a budeš vědět, u
kolika lidí chybí věk:
Pasažérů: ???
Bez věku: ???
V minulém kroku jsi viděla, že z CSV je všechno text. Taky sis možná všimla,
že u některých lidí něco chybí. Než začneme počítat, data si uklidíme.
Chybějící hodnotu budeme ukládat jako None. To je v Pythonu hodnota, která
znamená „nic“. Kdybychom místo ní napsali 0, vypadalo by to jako novorozeně a
průměrný věk by vyšel špatně. Jestli je hodnota None, zjistíš pomocí is None:
if vek is None:
print("Věk neznáme")
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
cislo_nebo_nic(text) |
text převedený na desetinné číslo; z prázdného textu udělá None |
uprav_pasazera(radek) |
kopii slovníku, ve které jsou čísla opravdu čísla |
uprav_pasazery(radky) |
seznam upravených pasažérů |
Co má uprav_pasazera převést:
Survived, Pclass, SibSp a Parch jsou celá čísla.
Fare je desetinné číslo.
Age převeď funkcí cislo_nebo_nic.
Kopii slovníku dostaneš takhle: radek.copy(). Původní řádek se pak nezmění.
Testy
Zkopíruj na konec test_analyza.py a místo ___ doplň, co má vyjít:
def test_cislo():
assert analyza.cislo_nebo_nic("22") == ___
def test_prazdny_text():
assert analyza.cislo_nebo_nic(___) is None
def test_uprav_pasazera():
radek = {"Survived": "1", "Pclass": "3", "SibSp": "1", "Parch": "0", "Fare": "7.25", "Age": ""}
pasazer = analyza.uprav_pasazera(radek)
assert pasazer["Survived"] == ___
assert pasazer["Fare"] == ___
assert pasazer["Age"] is None
Program
Výpisy píšeš do zprava.py.
Výpis sloupců a prvního pasažéra z kroku 1 už můžeš smazat, splnil svůj účel.
Místo něj vypiš počet pasažérů a to, u kolika z nich neznáme věk. Věk budeme
za chvíli potřebovat, takže si to zapiš do poznamky.md.
Zobrazit nápověduSkrýt nápovědu
Funkce
cislo_nebo_nic: nejdřív se zeptej, jestli je text prázdný. Prázdný text je
"". Teprve potom převáděj funkcí float.
uprav_pasazera: udělej si kopii řádku a v kopii přepiš jednu hodnotu po
druhé. Hodnotu ve slovníku přepíšeš přes klíč. Tahák L9, Měnění.
pasazer = radek.copy()
pasazer["Survived"] = int(radek["Survived"])
...
return pasazer
uprav_pasazery: nový seznam, do kterého přidáváš upravené pasažéry. Tahák
L8, Stavění seznamu v cyklu.
Proč kopie a None, najdeš v taháku projektu, části None a Kopie
slovníku.
Program
Je to počítadlo: začni nulou a v cyklu přičti jedničku pokaždé, když má
pasažér věk None. Tahák L4, Počítadlo.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 3 – Kdo byl na palubě?
Zadání na GitHubu
Krok 3 – Kdo byl na palubě?
Na konci tohohle kroku budeš vědět, jak staří lidé na Titaniku cestovali a kdo
z nich byl nejstarší a nejmladší:
Průměrný věk: ??.?
Nejstarší: ?????, věk ??.?
Nejmladší: ?????, věk ?.??
Než začneš, zapiš si do poznamky.md odhad: jaký byl průměrný věk pasažérů? A
kolik let bylo nejstaršímu?
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
prumerny_vek(pasazeri) |
průměrný věk těch pasažérů, u kterých věk známe; když ho neznáme u nikoho, vrátí None |
nejstarsi(pasazeri) |
celého pasažéra (slovník) s nejvyšším věkem; když věk nemá nikdo, vrátí None |
nejmladsi(pasazeri) |
celého pasažéra s nejnižším věkem; když věk nemá nikdo, vrátí None |
Pozor na lidi bez věku. Mají v Age hodnotu None, se kterou se nedá počítat
ani ji porovnávat. Funkce je musí přeskočit.
Testy
Na testy nebudeme používat celý soubor, stovky řádků z hlavy nespočítáš.
Testovat budeme na pěti vymyšlených pasažérech. Do test_analyza.py pod řádek
import analyza zkopíruj funkci ukazka:
def ukazka():
# Pět vymyšlených pasažérů. U tak malého seznamu spočítáš výsledek z hlavy.
# Každý test si zavolá ukazka() a dostane vlastní čerstvý seznam.
return [
{"Name": "Nováková, Mrs. Anna", "Sex": "female", "Pclass": 1, "Age": 30.0, "Survived": 1, "SibSp": 1, "Parch": 0, "Fare": 80.0, "Embarked": "S"},
{"Name": "Novák, Mr. Jan", "Sex": "male", "Pclass": 1, "Age": 35.0, "Survived": 0, "SibSp": 1, "Parch": 0, "Fare": 80.0, "Embarked": "S"},
{"Name": "Svoboda, Master. Petr", "Sex": "male", "Pclass": 3, "Age": 8.0, "Survived": 1, "SibSp": 0, "Parch": 1, "Fare": 10.0, "Embarked": "C"},
{"Name": "Dvořák, Mr. Karel", "Sex": "male", "Pclass": 3, "Age": None, "Survived": 0, "SibSp": 0, "Parch": 0, "Fare": 0.0, "Embarked": "Q"},
{"Name": "Černá, Miss. Eva", "Sex": "female", "Pclass": 3, "Age": 70.0, "Survived": 1, "SibSp": 0, "Parch": 0, "Fare": 10.0, "Embarked": "C"},
]
Pak na konec souboru přidej tyhle testy a místo ___ doplň, co má vyjít.
Spočítej to z hlavy nebo na papíře:
def test_prumerny_vek_pocita_jen_znamy_vek():
assert analyza.prumerny_vek(ukazka()) == ___
def test_prumerny_vek_kdyz_vek_nikdo_nema():
assert analyza.prumerny_vek([{"Age": None}]) is None
def test_nejstarsi():
assert analyza.nejstarsi(ukazka())["Name"] == ___
def test_nejmladsi():
assert analyza.nejmladsi(ukazka())["Name"] == ___
Program
Výpisy píšeš do zprava.py.
Výpis z minulého kroku nech, jak je, a nové řádky přidej pod něj. Tak to dělej
i v dalších krocích: zprava.py ti bude postupně růst.
Vypiš průměrný věk na jedno desetinné místo a jméno a věk nejstaršího a
nejmladšího pasažéra.
Podívej se na věk nejmladšího. Co to číslo asi znamená? Doplň poznámky.
Zobrazit nápověduSkrýt nápovědu
Funkce
prumerny_vek: průměr je součet děleno počet. Potřebuješ dvě proměnné, obě
začínají nulou. V cyklu přičítej jen u těch, kdo věk mají. Na to se zeptáš
přes is not None. Tahák projektu, None.
Počet není len(pasazeri). Lidi bez věku do průměru nepočítáš, takže jimi ani
nedělíš.
nejstarsi je vzor „kdo vyhrál“: pamatuj si zatím nejstaršího a začni s
None. Tahák L9, Kdo vyhrál.
vitez = None
for pasazer in pasazeri:
if pasazer["Age"] is not None:
if vitez is None or ...:
vitez = pasazer
return vitez
Funkce vrací celého pasažéra, ne jen jeho věk. Jméno si pak přečteš přes klíč.
nejmladsi je stejná funkce s obráceným porovnáním.
Program
Výsledek analyza.nejstarsi(pasazeri) si ulož do proměnné, třeba stary.
Je to slovník, takže jméno je stary["Name"].
V f-stringu, který je v uvozovkách, piš klíč do apostrofů:
f"{stary['Name']}". Tahák L9, Slovník.
Jedno desetinné místo: f"{cislo:.1f}". Tahák L6, Za dvojtečkou se říká, jak
to má vypadat.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 4 – Kolik stál lístek?
Zadání na GitHubu
Krok 4 – Kolik stál lístek?
Víš, jak staří lidé na palubě byli. Necestovali ale všichni stejně: loď měla
tři třídy a lístek do každé stál jinak. Na konci tohohle kroku budeš umět
vybrat z pasažérů jen některé a budeš vědět, kolik se za cestu platilo:
1. třída: průměrně ??.? libry
2. třída: průměrně ??.? libry
3. třída: průměrně ??.? libry
Nejdražší lístek: ???.? libry
?????, lístek ?????
Zadarmo: ?? lidí
Než začneš, zapiš si odhad: kolikrát dražší byl lístek do 1. třídy než do 3.?
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
filtruj(pasazeri, sloupec, hodnota) |
nový seznam pasažérů, kteří mají v daném sloupci danou hodnotu |
prumerna_cena(pasazeri) |
průměrnou cenu lístku; pro prázdný seznam vrátí 0, jinak by program spadl na dělení nulou |
nejdrazsi_listek(pasazeri) |
nejvyšší cenu lístku; pro prázdný seznam vrátí 0 |
Jedna funkce filtruj poslouží pro všechny sloupce:
zeny = filtruj(pasazeri, "Sex", "female")
prvni_trida = filtruj(pasazeri, "Pclass", 1)
Funkce se dají skládat. Průměrná cena v 1. třídě nepotřebuje novou funkci:
prumerna_cena(filtruj(pasazeri, "Pclass", 1))
Testy
První dva testy jsou hotové. U dalších doplň, co má vyjít.
def test_filtruj_podle_textu():
assert len(analyza.filtruj(ukazka(), "Sex", "female")) == 2
def test_prumerna_cena_prazdneho_seznamu():
assert analyza.prumerna_cena([]) == 0
def test_filtruj_podle_cisla():
assert len(analyza.filtruj(ukazka(), "Pclass", 3)) == ___
def test_prumerna_cena():
assert analyza.prumerna_cena(ukazka()) == ___
def test_nejdrazsi_listek():
assert analyza.nejdrazsi_listek(ukazka()) == ___
Vlastní test: co má filtruj vrátit, když nikdo nevyhovuje? Napiš na to
test.
Program
Výpisy píšeš do zprava.py.
- Vypiš průměrnou cenu lístku v každé třídě.
- Vypiš nejvyšší cenu a jména všech, kdo ji zaplatili. Pomůže ti
filtruj
podle sloupce Fare. U každého vypiš i číslo lístku ze sloupce Ticket.
- Vypiš, kolik lidí má cenu lístku 0.
Doplň poznámky. Čeho sis všimla u lidí s nejdražším lístkem? Co to říká o
sloupci Fare?
Zobrazit nápověduSkrýt nápovědu
Funkce
filtruj je stavění nového seznamu: projdi pasažéry a do nového seznamu
přidej jen ty, kteří projdou podmínkou. Tahák L8, Stavění seznamu v cyklu.
Název sloupce přijde jako parametr, takže ho do hranatých závorek napiš bez
uvozovek:
if pasazer[sloupec] == hodnota:
Když nikdo nevyhovuje, cyklus do seznamu nic nepřidá a funkce vrátí prázdný
seznam. Nic zvláštního pro to psát nemusíš.
prumerna_cena: součet cen děleno počet lidí. Cenu má každý, takže tentokrát
můžeš dělit len(pasazeri). Na prázdný seznam se zeptej hned na začátku.
nejdrazsi_listek: pamatuj si zatím nejvyšší cenu a začni nulou.
Program
Tři třídy projdeš cyklem přes seznam [1, 2, 3].
Kdo zaplatil nejvíc, zjistíš ve dvou krocích: nejdřív nejvyšší cenu, potom
filtruj podle sloupce Fare a téhle ceny.
Počet lidí zadarmo je délka seznamu, který vrátí
analyza.filtruj(pasazeri, "Fare", 0).
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 5 – Co prozradí jména?
Zadání na GitHubu
Krok 5 – Co prozradí jména?
Znáš věk pasažérů i to, kolik zaplatili. Zbývá poslední věc, kterou o nich
seznam prozradí hned: jak se jmenovali a kým byli. Jména v souboru mají pevný
tvar: Příjmení, Titul. Křestní jména. Dá se z nich vyčíst víc, než se zdá.
Na konci tohohle kroku budeš vědět, kdo všechno na palubě byl a jak se
pasažéři nejčastěji jmenovali:
Tituly:
Mr: ???
Mrs: ???
...
Nejčastější mužská jména:
?????: ??
?????: ??
...
Než začneš, zapiš si odhad: jaké bylo nejčastější mužské jméno? A jaké tituly
kromě Mr a Mrs v datech čekáš?
Tenhle krok má víc funkcí než ostatní. Když ti nepůjde, přeskoč ho a vrať se k
němu později. Kroky 6 až 9 fungují i bez něj.
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co dělá |
titul(jmeno) |
vrátí titul, tedy text mezi čárkou a tečkou |
krestni_jmeno(jmeno) |
vrátí první slovo za tečkou, bez uvozovek a závorek; když za tečkou nic není, vrátí "" |
pridej_jmena(pasazeri) |
každému pasažérovi přidá sloupce Titul a Krestni; nic nevrací |
pocty(pasazeri, sloupec) |
vrátí slovník, kde klíče jsou hodnoty ze sloupce a hodnoty říkají, kolik pasažérů je má |
Text rozdělíš metodou split. Mezery, uvozovky a závorky z krajů odstraní
strip:
"Braund, Mr. Owen Harris".split(",")
# ["Braund", " Mr. Owen Harris"]
'"Louis'.strip('"()')
# "Louis"
Nové sloupce fungují jako ostatní, takže na ně hned můžeš použít filtruj a
pocty:
pocty(pasazeri, "Sex")
# {"male": ???, "female": ???}
Testy
Zkopíruj na konec test_analyza.py a místo ___ doplň, co má vyjít:
def test_titul():
assert analyza.titul("Braund, Mr. Owen Harris") == ___
assert analyza.titul("Rothes, the Countess. of (Lucy Noel Martha Dyer-Edwards)") == "the Countess"
def test_krestni_jmeno():
assert analyza.krestni_jmeno("Braund, Mr. Owen Harris") == ___
assert analyza.krestni_jmeno('Navratil, Mr. Michel ("Louis M Hoffman")') == "Michel"
def test_krestni_jmeno_v_zavorce():
assert analyza.krestni_jmeno("Duff Gordon, Lady. (Lucille Christiana Sutherland)") == ___
def test_pocty():
assert analyza.pocty(ukazka(), "Sex") == ___
Vlastní test: zkontroluj, že pridej_jmena přidá pasažérům z ukazka()
oba sloupce. Jaký titul má první z nich?
Program
Výpisy píšeš do zprava.py.
- Vypiš všechny tituly a u každého, kolik lidí ho má.
- Vyber jen muže. Vypiš křestní jména, která má aspoň deset mužů, a u každého
počet.
U žen křestní jména nepočítej. Vdané ženy jsou v seznamu zapsané jménem
manžela, vlastní jméno mají až v závorce.
Doplň poznámky. Který titul tě překvapil? Trefila ses s nejčastějším jménem?
Zobrazit nápověduSkrýt nápovědu
Funkce
split rozdělí text na seznam a z něj si vezmeš kousek přes index. Tahák L8,
Text a seznam.
titul: rozděl jméno podle čárky a vezmi druhý kousek. Ten rozděl podle tečky
a vezmi první kousek. Zbylé mezery odstraní strip. Tahák L6, Metody
řetězců.
krestni_jmeno: rozděl jméno podle tečky a vezmi druhý kousek. Ten rozděl na
slova, tedy split() bez parametru, a vezmi první slovo.
- Seznam slov může být prázdný. Zeptej se na to přes
len, než sáhneš na
index 0.
- Uvozovky a závorky kolem slova odstraní
strip('"()').
pridej_jmena nic nevrací. Mění slovníky, které v seznamu dostala: každému
přidá dva nové klíče. Tahák L9, Slovník ve funkci.
for pasazer in pasazeri:
pasazer["Titul"] = ...
pocty je počítadlo: když hodnota ve slovníku ještě není, začni jedničkou,
jinak přičti jedna. Tahák L9, Počítadlo.
Program
Ve zprava.py zavolej analyza.pridej_jmena(pasazeri) hned po načtení dat.
Tituly: zavolej pocty na sloupec Titul a slovník projdi cyklem. Tahák L9,
Procházení.
Jména: nejdřív si vyfiltruj muže, potom na ně zavolej pocty se sloupcem
Krestni. V cyklu vypiš jen jména, která mají počet aspoň deset.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 6 – Kdo přežil častěji?
Zadání na GitHubu
Krok 6 – Kdo přežil častěji?
Víš, kdo na palubě byl. Teď se podíváš, jak dopadli. Na konci tohohle kroku
budeš znát základní číslo a první rozdíly mezi skupinami:
Přežilo: ??? z ???
To je ??.? %
Ženy: ??.? %
Muži: ??.? %
1. třída: ??.? %
2. třída: ??.? %
3. třída: ??.? %
Než začneš, zapiš si odhady: jaké procento pasažérů v souboru přežilo? A bude
rozdíl mezi ženami a muži? Mezi třídami?
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
pocet_prezivsich(pasazeri) |
počet přeživších |
mira_preziti(pasazeri) |
procento přeživších; pro prázdný seznam vrátí 0 |
Skupiny si vybereš funkcí filtruj z kroku 4.
Testy
Zkopíruj na konec test_analyza.py a místo ___ doplň, co má vyjít:
def test_pocet_prezivsich():
assert analyza.pocet_prezivsich(ukazka()) == ___
def test_mira_preziti():
assert analyza.mira_preziti(ukazka()) == ___
def test_mira_preziti_prazdneho_seznamu():
assert analyza.mira_preziti(___) == 0
Vlastní test: jaká je míra přežití mužů z ukazka()? Vyjde 100 / 3, tedy
číslo s nekonečně mnoha desetinnými místy. Desetinná čísla se v počítači
ukládají nepřesně, proto je porovnávej přes pytest.approx. Nahoře v souboru
k tomu přidej import pytest:
assert vysledek == pytest.approx(100 / 3)
Program
Výpisy píšeš do zprava.py.
Vypiš, kolik lidí přežilo a kolik je to procent. Potom procento přeživších
žen, mužů a lidí z každé třídy.
Doplň poznámky. Rozdíly jsou velké. Napadá tě, proč tomu tak mohlo být?
Zobrazit nápověduSkrýt nápovědu
Funkce
Ve sloupci Survived je 1 nebo 0. Počet přeživších je tedy součet toho
sloupce: začni nulou a v cyklu přičítej. Tahák L9, Záznamy a tabulky.
Procento je část děleno celek krát sto. Celek je len(pasazeri).
U prázdného seznamu je celek nula a dělit nulou nejde. Zeptej se na to
podmínkou hned na začátku funkce a vrať 0.
Ve funkci mira_preziti použij funkci pocet_prezivsich, nepočítej znovu.
Program
Ženy si vyfiltruj do jedné proměnné a muže do druhé. Na každý seznam pak
zavolej mira_preziti.
Třídy projdeš cyklem přes [1, 2, 3], stejně jako v kroku 4.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 7 – Záleželo na tom, kde kdo nastoupil?
Zadání na GitHubu
Krok 7 – Záleželo na tom, kde kdo nastoupil?
Titanic nabíral cestující ve třech přístavech: Southampton (S), Cherbourg
(C) a Queenstown (Q). Na konci tohohle kroku budeš umět rozdělit pasažéry
do skupin podle libovolného sloupce a uvidíš, jestli se přístavy lišily:
S: přežilo ??.? % (??? lidí, v 1. třídě ?? %)
C: přežilo ??.? % (??? lidí, v 1. třídě ?? %)
Q: přežilo ??.? % (?? lidí, v 1. třídě ?? %)
Než začneš, zapiš si odhad: bude se přežití mezi přístavy lišit? Proč by mělo?
Mohla bys zavolat filtruj třikrát, jednou pro každý přístav. Co ale u
sloupce, kde hodnoty neznáš? Napíšeš funkci, která skupiny najde sama.
Jestli máš hotový krok 5, podobnou věc už znáš. Funkce pocty si u každé
hodnoty pamatuje, kolik lidí ji má. Teď si místo počtu schováš rovnou ty lidi,
celý seznam. S ním pak můžeš počítat cokoliv, třeba přežití.
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
rozdel_podle(pasazeri, sloupec) |
slovník, kde klíče jsou hodnoty ze sloupce a hodnoty jsou seznamy pasažérů |
miry_skupin(skupiny) |
dostane takový slovník a vrátí slovník, kde hodnoty jsou procenta přeživších |
prezivani_podle(pasazeri, sloupec) |
spojí obě předchozí funkce |
prezivani_podle(pasazeri, "Sex")
# {"male": ??.?, "female": ??.?}
Testy
Od tohohle kroku píšeš testy sama. Vezmi ukazka() a spočítej z hlavy, co má
vyjít. Co vyzkoušet:
- kolik pasažérů z ukázky nastoupilo v kterém přístavu,
- přežití v každém přístavu z ukázky.
Program
Výpisy píšeš do zprava.py.
Pro každý přístav vypiš procento přeživších, počet lidí a podíl těch, kdo jeli
- třídou.
Jeden řádek tě možná překvapí. V datech jsou dva lidé, u kterých přístav
chybí.
Teď se zastav a doplň poznámky:
- V jednom přístavu přežila výrazně větší část lidí. Může za to ten přístav?
- Podívej se na podíl 1. třídy. Co už víš o 1. třídě z minulého kroku?
Zobrazit nápověduSkrýt nápovědu
Funkce
rozdel_podle je vzor „skupiny“: slovník, kde hodnotou je seznam. Když klíč
ve slovníku ještě není, založ pod ním prázdný seznam. Potom do seznamu přidej
pasažéra. Tahák L9, Skupiny.
skupiny = {}
for pasazer in pasazeri:
hodnota = pasazer[sloupec]
...
return skupiny
miry_skupin: nový slovník se stejnými klíči. Projdi klíče a ke každému ulož
mira_preziti jeho seznamu. Tahák L9, Stavění slovníku v cyklu.
prezivani_podle je jeden řádek: výsledek první funkce pošli do druhé.
Program
Rozděl pasažéry podle sloupce Embarked a slovník projdi cyklem přes klíče.
Tahák L9, Procházení.
Pod každým klíčem je seznam lidí z jednoho přístavu. Počet lidí je len.
Kolik z nich jelo 1. třídou, zjistíš tak, že na ten seznam zavoláš filtruj.
Podíl v procentech je zase část děleno celek krát sto.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 8 – Přístav, nebo třída?
Zadání na GitHubu
Krok 8 – Přístav, nebo třída?
V minulém kroku to vypadalo, že lidé z jednoho přístavu měli větší štěstí.
Jenže z toho přístavu jela 1. třídou taky největší část lidí. Co z toho
tedy rozhodovalo?
Zjistíš to tak, že porovnáš lidi ze stejné třídy. Na konci tohohle kroku budeš
umět dělit pasažéry podle dvou sloupců najednou:
1. třída, C: ??.? % (??)
1. třída, S: ??.? % (???)
1. třída, Q: ??.? % (?)
...
3. třída, Q: ??.? % (??)
Než začneš, zapiš si odhad: když porovnáš jen lidi z 1. třídy, bude mezi
přístavy pořád rozdíl?
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
rozdel_podle_dvou(pasazeri, sloupec1, sloupec2) |
slovník jako rozdel_podle, jen je klíčem n-tice dvou hodnot |
prezivani_podle_dvou(pasazeri, sloupec1, sloupec2) |
slovník s procenty přeživších; hotovou funkci miry_skupin použij znovu |
N-tice klíčem slovníku být může, seznam ne.
miry = prezivani_podle_dvou(pasazeri, "Embarked", "Pclass")
print(miry[("C", 1)])
Testy
Napiš testy sama na ukazka(). Co vyzkoušet:
- kolik mužů ze 3. třídy je v ukázce,
- přežití aspoň tří kombinací třídy a pohlaví.
Program
Výpisy píšeš do zprava.py.
- Vypiš přežití pro každou kombinaci třídy a přístavu. U každé vypiš i počet
lidí.
- Stejnou funkcí vypiš kombinace třídy a pohlaví.
Doplň poznámky:
- Zmenšil se rozdíl mezi přístavy, když porovnáváš stejnou třídu? Zmizel
úplně?
- Podívej se na počty lidí. Kterým řádkům bys nevěřila, protože je za nimi jen
pár lidí?
- Kdo měl větší šanci: žena ve 3. třídě, nebo muž v 1.?
Zobrazit nápověduSkrýt nápovědu
Funkce
rozdel_podle_dvou je skoro stejná jako rozdel_podle. Liší se jen klíč:
místo jedné hodnoty je to n-tice dvou hodnot. Tahák L9, Skupiny. O n-tici
jako klíči je i tahák projektu.
klic = (pasazer[sloupec1], pasazer[sloupec2])
prezivani_podle_dvou je zase jeden řádek. Funkci miry_skupin je jedno,
jestli jsou klíče čísla, texty, nebo n-tice.
Program
Hodnotu pod n-ticí čteš stejně jako pod jiným klíčem, jen jsou v hranatých
závorkách ještě kulaté: miry[("C", 1)].
Aby řádky šly po třídách, použij dva cykly v sobě: vnější přes třídy [1, 2, 3], vnitřní přes přístavy ["C", "S", "Q"]. Klíč si z nich poskládáš sama.
Počet lidí ve skupině ti dá rozdel_podle_dvou, procento
prezivani_podle_dvou. Zavolej obě.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 9 – Jak to ukázat na první pohled?
Zadání na GitHubu
Krok 9 – Jak to ukázat na první pohled?
Výpis z minulého kroku měl patnáct řádků čísel. Kdo se v tom má vyznat? Čísla
jsou přesná, ale obrázek je rychlejší. Na konci tohohle kroku program nakreslí
graf ze znaků, žádnou knihovnu nepotřebuješ:
Přežití podle třídy
1. třída ████████████████████████ ??.? %
2. třída ███████████████ ??.? %
3. třída ███████ ??.? %
Délky sloupců v ukázce jsou vymyšlené. Plná šířka grafu je 30 znaků a znamená
100 %.
Znak █ si zkopíruj odsud. Kdyby se ti v terminálu nezobrazil správně, použij
#.
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
sloupec_grafu(hodnota, nejvyssi, sirka) |
text ze znaků █, dlouhý podle toho, jak velká je hodnota proti nejvyssi; nejvyšší hodnota dostane sirka znaků |
graf(nadpis, skupiny, popisky) |
seznam řádků grafu: prázdný řádek, nadpis a pak jeden řádek pro každou skupinu |
Dvě věci, na které si u sloupec_grafu dej pozor:
- Malá hodnota by po zaokrouhlení vyšla na nula znaků a z grafu by zmizela.
Každá hodnota větší než nula má mít aspoň jeden znak.
- Když je
nejvyssi nula, nesmí funkce spadnout na dělení nulou.
Funkce graf dostane skupiny, tedy slovník z rozdel_podle, a slovník
popisky. V něm jsou klíče skupin a jejich české názvy:
TRIDY = {1: "1. třída", 2: "2. třída", 3: "3. třída"}
POHLAVI = {"female": "ženy", "male": "muži"}
PRISTAVY = {"S": "Southampton", "C": "Cherbourg", "Q": "Queenstown"}
Slovníky dej do analyza.py pod SOUBOR. Ve zprava.py je pak použiješ
jako analyza.TRIDY a tak dál.
Slovník popisky určuje i pořadí řádků. Když nějaká skupina v datech chybí,
řádek vynech. A naopak: skupina, která není v popiscích, se do grafu
nedostane. Tak z grafu zmizí dva lidé bez přístavu.
Každý řádek má název, sloupec a procento. Sloupec počítej proti 100 %, aby šly
grafy mezi sebou porovnávat.
Funkce pořád nic nevypisuje, jen vrací seznam řetězců.
Testy
Napiš testy sama. U sloupec_grafu vyzkoušej těchhle pět případů:
| Volání |
Výsledek |
sloupec_grafu(100, 100, 10) |
deset znaků █ |
sloupec_grafu(50, 100, 10) |
pět znaků █ |
sloupec_grafu(0, 100, 10) |
prázdný řetězec |
sloupec_grafu(1, 1000, 10) |
jeden znak █ |
sloupec_grafu(0, 0, 10) |
prázdný řetězec |
Deset znaků zapíšeš jako "█" * 10.
U funkce graf vyzkoušej, kolik řádků vrátí pro ukazka() rozdělenou podle
pohlaví a že skupinu, která v datech chybí, přeskočí.
Program
Výpisy píšeš do zprava.py.
Vypiš tři grafy: přežití podle třídy, podle pohlaví a podle přístavu.
Podívej se na ně a doplň poznámky. Co je z grafu vidět hned? A co z něj naopak
vidět není? Vzpomeň si, kolik lidí v jednotlivých přístavech nastoupilo.
Zobrazit nápověduSkrýt nápovědu
Funkce
sloupec_grafu: délka sloupce je trojčlenka. Hodnota nejvyssi má sirka
znaků, kolik jich má hodnota?
- Počet znaků musí být celé číslo. Desetinné číslo převedeš funkcí
int, ta
desetinnou část zahodí.
- Opakování textu:
"█" * 5.
- Dvě výjimky ošetři podmínkami: nulu nebo nulové
nejvyssi na začátku
funkce, příliš malou hodnotu po výpočtu délky.
graf: začni seznamem s prázdným řádkem a nadpisem. Potom projdi slovník
popisky. Tím je dané pořadí řádků.
radky = ["", nadpis]
for klic in popisky:
if klic in skupiny:
...
return radky
Aby procenta stála pod sebou, zarovnej název i sloupec na pevnou šířku. Tahák
L6, Za dvojtečkou se říká, jak to má vypadat.
Program
graf vrací seznam řádků. Vypíšeš je cyklem, jeden print na řádek.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 10 – Titanic v číslech
Zadání na GitHubu
Krok 10 – Titanic v číslech
Tvůj zprava.py teď vypisuje dlouhou řadu čísel, ve které se vyznáš jen ty.
Uděláš z nich zprávu, kterou si může přečíst někdo, kdo u toho nebyl. Na konci
tohohle kroku program vypíše přehled, tabulky, graf a tvůj závěr:
TITANIC V ČÍSLECH
============================================
Pasažérů v souboru: ???
Přežilo: ??? (??.? %)
Průměrný věk: ??.? roku
Podle pohlaví Přežilo (lidí)
ženy ??.? % (???)
muži ??.? % (???)
Zarovnání umí f-string, znáš ho z lekce o řetězcích:
f"{nazev:24}" # text na 24 míst, zarovnaný doleva
f"{procenta:5.1f}" # číslo na 5 míst, jedno desetinné
U každého řádku tabulky je počet lidí, aby čtenář viděl, jak velká skupina za
procentem stojí.
Funkce
Funkce píšeš do analyza.py.
Pořád nic nevypisují, jen skládají text.
| Funkce |
Co vrátí |
radek_tabulky(nazev, procenta, pocet) |
jeden zformátovaný řádek |
tabulka(nadpis, skupiny, popisky) |
seznam řádků tabulky; skupiny a popisky fungují stejně jako u funkce graf |
sestav_zpravu(pasazeri) |
celou zprávu jako seznam řádků |
Co má ve zprávě být:
- počet pasažérů, kolik jich přežilo, průměrný věk, nejstarší a nejmladší
pasažér,
- průměrná cena lístku v každé třídě,
- něco o jménech, třeba počet různých titulů a nejčastější mužská jména (pokud
jsi krok 5 přeskočila, tuhle část vynech),
- tabulky přežití podle pohlaví, třídy a přístavu,
- aspoň jeden graf z minulého kroku,
- cokoliv dalšího, co tě během dne zaujalo.
Seznamy spojíš pomocí +:
radky = radky + tabulka("Podle třídy", rozdel_podle(pasazeri, "Pclass"), TRIDY)
Testy
Napiš testy sama. Co vyzkoušet:
radek_tabulky: porovnej celý řádek a zkontroluj, že se číslo správně
zaokrouhlí,
tabulka: počet řádků, a že skupinu, která chybí, přeskočí,
sestav_zpravu: že ve zprávě z ukazka() je řádek, který si umíš spočítat
z hlavy.
Program
Výpisy píšeš do zprava.py.
Výpisy z kroků 2 až 9 teď ze zprava.py smaž, nahradí je zpráva. Zůstane jen
načtení dat, pridej_jmena a cyklus, který vypíše řádky ze sestav_zpravu.
Neboj se mazat. Všechno, co ty výpisy počítaly, máš ve funkcích v analyza.py
a staré verze souboru jsou na GitHubu.
Závěr
Na konec zprávy přidej pár vět vlastními slovy:
- Čemu věříš. Jeden výsledek, o kterém si myslíš, že opravdu něco znamená.
Proč?
- Čemu nevěříš. Jeden výsledek, který je podle tebe jen náhoda nebo má
jinou příčinu, než se na první pohled zdá. Proč?
Pomůžou ti poznámky z kroků 6, 7 a 8.
Zobrazit nápověduSkrýt nápovědu
Funkce
radek_tabulky: jeden f-string. Název zarovnej na pevnou šířku, procento na
pět míst s jedním desetinným. Tahák L6, Za dvojtečkou se říká, jak to má
vypadat.
tabulka má stejnou stavbu jako graf z minulého kroku: seznam s nadpisem,
cyklus přes popisky, podmínka, jestli skupina existuje. Liší se jen řádek,
který do seznamu přidáváš. Počet lidí ve skupině je len.
sestav_zpravu: začni seznamem s nadpisem a celkovými čísly. Potom k němu
přičítej jednu část za druhou.
- Všechna čísla už umíš spočítat funkcemi z minulých kroků. Tady je jen
skládáš do textu.
- Nejstaršího a nejmladšího si na začátku ulož do proměnných.
- Průměrné ceny podle tříd přidávej v cyklu přes
TRIDY metodou append.
Testy
Test na celý řádek: napiš si řádek nejdřív ručně a spočítej mezery. Nebo si ho
nech jednou vypsat, zkontroluj očima a teprve potom ho zkopíruj do testu.
Jestli je text někde uvnitř seznamu nebo řetězce, zjistíš přes in.
Než zavoláš sestav_zpravu na ukazka(), zavolej na ni pridej_jmena.
Zpráva sloupce se jmény potřebuje.
Program
Ve zprava.py zůstanou tři věci: načtení dat, pridej_jmena a cyklus s
print.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 11 – Co dalšího se dá z dat zjistit?
Zadání na GitHubu
Krok 11 – Co dalšího se dá z dat zjistit?
V datech je toho víc, než se vešlo do zprávy, a v posledním kroku si vybereš
otázku vlastní. Aby se ti dobře hledalo, postavíš si na to nástroj.
Na konci tohohle kroku bude mít program průzkumníka. Zeptá se na sloupec a
ukáže přežití ve skupinách podle něj:
Průzkumník: napiš název sloupce, třeba Sex nebo Titul.
Prázdný řádek program ukončí.
Sloupec: embarked
S ??.? % (???)
C ??.? % (???)
Q ??.? % (??)
Sloupec: barva
Takový sloupec neznám. Vyber si z těchhle: PassengerId, Survived, ...
Sloupec:
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
najdi_sloupec(text, sloupce) |
název sloupce ze seznamu sloupce, který odpovídá tomu, co uživatelka napsala; když takový není, vrátí None |
prehled_podle(pasazeri, sloupec) |
seznam řádků, jeden pro každou hodnotu ve sloupci: hodnota, procento přeživších a počet lidí |
Lidé píšou různě. najdi_sloupec má najít sloupec Sex, ať uživatelka napíše
sex, SEX nebo Sex s mezerami.
V prehled_podle použij hotovou funkci radek_tabulky. Název řádku musí být
text, hodnotu převedeš funkcí str.
Testy
Napiš testy sama. Co vyzkoušet:
najdi_sloupec s malými písmeny, s velkými písmeny a s mezerami kolem,
najdi_sloupec pro sloupec, který neexistuje,
- kolik řádků vrátí
prehled_podle pro ukazka() a sloupec Embarked.
Program
Průzkumníka píšeš do zprava.py, pod výpis zprávy.
Pod výpis zprávy přidej cyklus:
- Zeptej se na sloupec. Prázdná odpověď program ukončí.
- Když sloupec neexistuje, řekni to a vypiš, ze kterých si uživatelka může
vybrat.
- Když existuje, vypiš přehled. Sloupce jako
Name mají stovky různých
hodnot. Když má přehled víc než dvacet řádků, vypiš místo něj jen zprávu,
že je hodnot moc.
Seznam všech sloupců získáš takhle: list(pasazeri[0]).
Teď si průzkumníka vyzkoušej na sloupci Titul. Ten vznikl v kroku 5. Pokud
jsi ho přeskočila, je teď dobrá chvíle se k němu vrátit. Potom doplň poznámky:
- Podle výpisu nepřežil žádný duchovní (
Rev) a přežila každá hraběnka. Kolik
jich ale bylo?
- Kterým řádkům bys věřila a kterým ne? Podle čeho to poznáš?
Zobrazit nápověduSkrýt nápovědu
Funkce
najdi_sloupec: to, co uživatelka napsala, nejdřív uprav: mezery pryč a malá
písmena. Tahák L6, Metody řetězců.
Názvy sloupců mají velká písmena (Sex, Pclass), takže je při porovnání
převeď na malá taky. Vrátit ale musíš původní název, ne ten zmenšený.
Když cyklus doběhne a nic nenašel, vrať None.
prehled_podle: rozděl pasažéry funkcí rozdel_podle, projdi skupiny a pro
každou přidej jeden radek_tabulky.
Program
Je to cyklus while True s break. Tahák L4, Nekonečný cyklus.
Na None se ptej přes is None.
Seznam řetězců spojíš do jednoho textu metodou join. Tahák L8, Text a
seznam.
Hotovo, když
Zpět na projekt: Titanic · Další: Krok 12 – Co zajímá tebe?
Zadání na GitHubu
Krok 12 – Co zajímá tebe?
Teď si otázku vybereš sama. Na konci tohohle kroku bude tvoje odpověď součástí
zprávy a na konci dne ji ukážeš ostatním:
Moje otázka: ...
Podle ... Přežilo (lidí)
... ??.? % (???)
... ??.? % (???)
Nejdřív si otázku vyber. Hraj si s průzkumníkem z minulého kroku a projdi si,
co sis během dne zapsala do poznámek. Pokud nevíš, čím začít, můžeš zkusit
některou z těchhle otázek:
- Přežívali lidé s rodinou častěji než ti, kdo cestovali sami? Kolik měl
pasažér na palubě příbuzných, je
SibSp + Parch. Rodina i s ním je
o jednoho větší.
- Jak dopadly děti? Kde bys udělala hranici mezi dítětem a dospělým?
- Jak dopadli lidé podle věku po desetiletích?
- Muži ve 2. třídě přežívali skoro stejně málo jako ve 3. Platí to i pro ženy?
- Přežili častěji lidé, u kterých známe kajutu? Čím se od ostatních liší?
- Lidé bez věku přežívali méně často než ti s věkem. Proč u nich věk asi
chybí?
- Kteří lidé jeli zadarmo a jak dopadli?
Otázku a odhad odpovědi si zapiš do poznamky.md.
Funkce
Funkce píšeš do analyza.py.
| Funkce |
Co vrátí |
moje_otazka(pasazeri) |
seznam řádků s tvojí otázkou a odpovědí na ni, stejně jako tabulka |
Zkus nejdřív, jestli ti stačí funkce, které už máš: filtruj, rozdel_podle,
tabulka, graf. Když ne, napiš novou.
Testy
Napiš testy sama. Co vyzkoušet:
- co má
moje_otazka vrátit pro ukazka(): nadpis a aspoň jeden řádek, který
si spočítáš z hlavy,
- každou novou funkci, kterou sis kvůli otázce napsala.
Program
Výsledek funkce moje_otazka přidej do sestav_zpravu, před závěr. Ve
zprava.py se nic měnit nemusí, zprávu už vypisuje.
Je to příčina, nebo jen náhoda?
- Podívej se, kolik lidí ve skupině je. Procento z pěti lidí toho moc neříká.
- Zeptej se, čím dalším se skupiny liší. Vzpomeň si na přístavy a třídy.
- Zapiš si do
poznamky.md výsledek a to, jestli mu věříš.
Prezentace
Na konci dne ukážeš svůj nejzajímavější výsledek. Stačí tři věty: na co ses
ptala, co vyšlo a jestli tomu věříš.
Zobrazit nápověduSkrýt nápovědu
Většinu otázek zodpovíš funkcemi, které už máš: filtruj, rozdel_podle,
mira_preziti, tabulka.
Když potřebuješ skupinu, která v datech není, třeba velikost rodiny nebo věk
po desetiletích, přidej pasažérům nový sloupec. Udělej to stejně jako
pridej_jmena v kroku 5: jedna funkce spočítá hodnotu pro jednoho pasažéra,
druhá ji v cyklu zapíše všem.
Funkce moje_otazka má stejnou stavbu jako sestav_zpravu: začni seznamem s
prázdným řádkem a nadpisem a přičítej k němu řádky. Tabulku ti udělá funkce
tabulka, potřebuje jen skupiny a popisky.
Popisky jsou slovník, který určuje názvy a pořadí řádků, třeba:
RODINY = {"sám": "cestoval sám", "malá": "s 1 až 3 příbuznými", "velká": "se 4 a více příbuznými"}
Hotovo, když
Zpět na projekt: Titanic · Další: Bonusy
Zadání na GitHubu
Bonusy
Bonusy jsou na později, když máš hotové kroky. Na sebe nenavazují.
Bonus 1 – Zpráva v souboru
Na konci tohohle bonusu bude zpráva uložená v souboru zprava.txt, takže ji
můžeš někomu poslat nebo vytisknout.
Do souboru se zapisuje takhle:
with open(analyza.SLOZKA / "zprava.txt", "w", encoding="utf-8") as f:
f.write("Jeden řádek\n")
"w" znamená zápis. Když soubor neexistuje, vytvoří se. Když existuje,
přepíše se.
\n je konec řádku. Na rozdíl od print ho write sám nepřidá.
analyza.SLOZKA je složka, ve které leží analyza.py. Soubor se díky ní
uloží vedle tvého programu.
Zprávu máš jako seznam řádků ze sestav_zpravu, takže stačí cyklus.
Hotovo, když soubor zprava.txt otevřeš ve VS Code a je v něm totéž, co
program vypisuje, včetně háčků a čárek.
Bonus 2 – Grafy s knihovnou
Graf v kroku 9 sis napsala sama. Hotové knihovny tuhle práci udělají za tebe,
tak si jednu vyzkoušíme. Knihovnu je potřeba nainstalovat.
Ve VS Code otevři Terminal → New Terminal a napiš:
python -m pip install plotext==5.3.2
Na Macu místo python piš python3, na Windows případně py.
Když to nepůjde, zavolej kouče. Verzi piš přesně takhle, novější verze se
ovládá jinak.
Graf pak nakreslíš takhle:
import plotext as plt
plt.simple_bar(["1. třída", "2. třída"], [10.0, 20.0], width=50, title="Přežití (%)")
plt.show()
Program piš do nového souboru, třeba grafy.py.
- Nakresli přežití podle třídy z výsledků funkce
prezivani_podle.
- Před dalším grafem zavolej
plt.clear_figure().
- Nakresli vedle sebe ženy a muže v každé třídě. Použij
plt.simple_multiple_bar(nazvy, [zeny, muzi], width=50, labels=["ženy", "muži"]). Skupiny podle třídy a pohlaví ti vrátí rozdel_podle_dvou,
procenta z nich udělá miry_skupin.
Sloupce se přizpůsobují šířce grafu, proto se dívej i na čísla vedle nich.
Porovnej výsledek se svým grafem z kroku 9. Co umí knihovna navíc? A co bylo
na vlastním grafu lepší?
Bonus 3 – Rodiny
Podle příjmení najdi největší rodiny v souboru. Přežili všichni společně, nebo
se rodiny rozdělily?
Na konci tohohle bonusu program vypíše něco takového:
?????: ? lidí, přežilo ?
?????: ? lidí, přežilo ?
- Jméno je ve tvaru
Příjmení, Titul. Jméno. Příjmení je všechno před první
čárkou. Text rozdělíš metodou split.
- Příjmení přidej pasažérům jako nový sloupec. Pak ti stačí funkce
rozdel_podle, kterou už máš.
- Vypiš jen rodiny, které mají aspoň šest lidí.
Pozor na závěr: jsou všichni lidé se stejným příjmením opravdu jedna
rodina? Jak bys to z dat ověřila?
Bonus 4 – Děti a dospělí
V datech je věk, ale ne věková skupina. Na konci tohohle bonusu budeš vědět,
jak dopadly děti, a to i v jednotlivých třídách:
Podle věku Přežilo (lidí)
děti do 16 let ??.? % (??)
dospělí ??.? % (???)
věk neznámý ??.? % (???)
- Napiš funkci
vekova_skupina(vek). Vrátí "dítě" do 16 let, "dospělý"
od 16 let a "neznámý", když je věk None. Otestuj i hranici: co vrátí
pro přesně 16 let?
- Napiš funkci, která každému pasažérovi přidá sloupec
Skupina. Udělej to
stejně jako pridej_jmena v kroku 5.
- Vypiš tabulku přežití podle věkové skupiny.
- Vypiš přežití dětí podle třídy, i s počtem dětí.
Podívej se na řádek věk neznámý. Lidé bez věku přežívali jinak často než
ostatní. Co myslíš, proč u nich věk asi chybí?
A ještě jedna věc k zamyšlení: hranici 16 let jsme si vymysleli. Jak se
výsledek změní, když ji posuneš na 12 nebo na 18?
Bonus 5 – Čistá obrazovka
Průzkumník z kroku 11 vypisuje jednu odpověď pod druhou a starší výsledky
ujíždějí nahoru. Na konci tohohle bonusu program před každým přehledem
obrazovku smaže, takže je vidět vždycky jen poslední odpověď.
Terminál smažeš takhle. Windows má na to příkaz cls, macOS a Linux příkaz
clear:
import os
def vycisti_obrazovku():
if os.name == "nt":
os.system("cls")
else:
os.system("clear")
Funkci dej do zprava.py. Vypisuje, takže do analyza.py nepatří.
- Před každým přehledem obrazovku smaž.
- Nad přehled vypiš, podle kterého sloupce je.
- Narazíš na problém: když program napíše „Takový sloupec neznám“ a hned
potom obrazovku smaže, uživatelka si to nestihne přečíst. Vymysli, jak to
vyřešit.
Zpět na projekt: Titanic · Další: Nápady na rozšíření
Bonusy na GitHubu
Nápady na rozšíření
Máš hotovo a chceš se v datech hrabat dál? Tady je pár směrů. Řešení k nim
není, cesta je na tobě. U každého platí totéž co u kroků: počítání piš jako
funkci do analyza.py, napiš k ní test a podívej se, kolik lidí ve skupině
je.
- Věk po desetiletích. Rozděl pasažéry na skupiny 0–9, 10–19, 20–29 a tak
dál. Ve které skupině přežívali lidé nejčastěji?
- Věk podle třídy. Jaký byl průměrný věk v jednotlivých třídách? Čím to
může být?
- Sám, nebo s rodinou. Přidej sloupec s počtem příbuzných na
palubě (
SibSp + Parch) a porovnej lidi, kteří cestovali sami, s ostatními.
- Ženská jména. Nejčastější mužské jméno už znáš. Jak zjistíš nejčastější
ženské, když vdané ženy mají v datech jméno manžela? Vlastní jméno mají v
závorce.
- Nejdelší jméno. Kdo má v datech nejdelší jméno? Kolik má znaků?
- Hledání pasažéra. Program se zeptá na část jména a vypíše všechny
pasažéry, kteří ji ve jméně mají.
- Paluby. První písmeno ve sloupci
Cabin je paluba. Záleželo na tom, na
které palubě měl člověk kajutu? U kolika lidí to vůbec víme?
- Společné lístky. Na které číslo lístku cestovalo nejvíc lidí? Byla to
rodina?
- Graf podle dvou sloupců. Nakresli graf, kde jsou sloupce žen a mužů pro
každou třídu vedle sebe.
- Náhoda, nebo ne? Najdi v datech další rozdíl, který vypadá zajímavě, ale
nejspíš nic neznamená. Podle čeho to poznáš?
- Export. Ulož přehled do nového souboru CSV, který půjde otevřít v
Excelu.
- Vlastní data. Najdi si jinou veřejnou tabulku v CSV a zkus na ni použít
funkce, které máš. Co všechno funguje bez úprav?
Zpět na projekt: Titanic