Вот и началось познание курса "Базовый Python"

В курсе 14 тем рассчитанных на 29 часов. При ежедневном выделении на занятия часа по три без пропусков пройти можно не напрягаясь, но мы решили дать себе знаний максимум и уложились за семь дней. При этом часть часа по два уделял занятиям на основной работе а затем дома с шести вечера до полуночи примерно по шесть часов. Ну никак не получилось 29 часов. Мой личный результат составил (7 дней) * (8 часов) = 56 часов, а это уже почти в 2 раза дольше запланированного времени.

Курс в своем составе содержал следующие темы:

1. БPy. Переменные и типы данных.

2. БРу. Строки.

3. БРу. Списки.

4. БРу. Цикл 'for'.

5. БРу. Вложенные списки.

6. БРу. Условный оператор.

7. БРу. Функции.

8. БРу. Словари.

9. БРу. Библиотека Pandas.

10. БРу. Предварительная обработка данных.

11. БРу. Анализ данных и оформление результатов.

12. БРу. Jupyter Notebook.

13. БРу. Проект: Музыка больших городов.

14. БРу. Заключение.

Следующая тема: БPy. Переменные и типы данных.

Следующий раздел: Предобработка данных

Вернуться в оглавление: Я.Практикум

После его освоения хочется сказать, что курс достаточно познавательный и нужный, хотя и носит поверхностный характер. Из всего курса больше всего запомнил команду print() т.к. набирал её более часто. Ну и за собой заметил, что наработал постоянный навык набирать [Ctrl + Enter] в тренажере Jupyter Notebook, до такой степени, что при наборе текста в Word для перехода на новую строку нажимаю сразу две клавиши.

В процессе обучения в пачке нас попросили не выкладывать материалы курсов, но вот решение задач я вам покажу, может быть кому то и пригодится в дальнейшем, т.к. у многих студентов возникало много вопросов, ведь в тренажер заложен один правильный ответ, даже если твоё решение правильное он говорит, что ты не прав подумай ещё.

1. Переменные и типы данных. Вывод данных и арифметических операций.

 1.1 Введение.

 1.2 Могучий Python.

 1.3 Переменные.

Задание 1

Создайте переменную, хранящую количество друзей Оушена из фильма «Одиннадцать друзей Оушена». Назовите переменную ocean_friends. Поместите в неё значение 11 с помощью оператора присваивания.

# напишите код здесь
ocean_friends = 11
print(ocean_friends)

Задание 2

У мистера Оушена появилось ещё двое друзей. Добавьте на новой строке код, который заменит значение в переменной ocean_friends на 13. Используйте оператор присваивания.

ocean_friends = 11
# напишите код здесь
ocean_friends = 13
print(ocean_friends)

Задание 3

Мы сохранили имена двух актёров в переменных. И нарушили два правила хорошего стиля. Исправьте нас, пожалуйста. Вывод на экран в этой задаче не нужен.

ocean = 'Джордж Клуни'
ocean_friend = 'Брэд Питт'

Задание 4

Мы попробовали перезаписать переменные и заменить имена актёров на имена их героев. Не получилось — какая-то синтаксическая ошибка. Проверьте первые символы названий переменных. Исправьте ошибочные названия. Вывод на экран в этой задаче не нужен.

ocean = 'Джордж Клуни'
ocean_friend = 'Брэд Питт'
ocean = 'Дэнни'
ocean_friend = 'Расти'

 1.4 Функция  print()

Задание 1

Таблица описывает три музыкальных трека: Исполнитель Трек Длительность (сек) Sting Shape Of My Heart 278 Sade No Ordinary Love 322 Red Hot Chili Peppers Californication 321 В коде уже объявлена переменная, которая хранит название трека исполнителя Sting из таблицы выше. Выведите значение переменной на экран функцией print().

sting_track_name = 'Shape Of My Heart'
print(sting_track_name)# выведите её значение на экран здесь

Shape Of My Heart

Задание 2

Исполнитель Трек Длительность (сек) Sting Shape Of My Heart 278 Sade No Ordinary Love 322 Red Hot Chili Peppers Californication 321 Объявите переменную, которая будет хранить длительность трека исполнителя Sade в секундах из таблицы выше. Обратите внимание: не перепутайте исполнителя Sade и исполнителя Sting. Имя переменной выберите самостоятельно, но следуйте правилам хорошего стиля: например, начинайте название с маленькой (строчной) буквы. Выведите значение переменной на экран функцией print().

sade_time_sec = 322# объявите переменную здесь
print(sade_time_sec)# выведите её значение на экран здесь

322

 1.5 Знакомство с данными.

Задание 1

Посчитайте долю носителей английского (native_speakers) от общего числа владеющих этим языком (total_speakers). Результат сохраните в переменной native_speakers_part. Выведите на экран её значение.

native_speakers = 378.2
total_speakers = 1121
native_speakers_part = native_speakers / total_speakers# напишите ваш код здесь
print (native_speakers_part)

Задание 2

Посчитайте, сколько выучивших японский язык как иностранный приходится на одного владеющего этим языком?
Результат выведите на экран.

jap_total_speakers = 128.3
jap_native_speakers = 128.2
print ((jap_total_speakers - jap_native_speakers)/ jap_total_speakers) #напишите ваш код здесь

Задание 3

Из прошлых уроков вы знаете, что первый фильм в истории человечества вышел на экраны в январе 1896 года. Эту дату можно считать годом рождения кинематографа (хоть и сняли эту короткометражку в 1895 году). Посчитайте, сколько лет исполнилось кинематографу в 2020 году. Результат выведите на экран.

first_movie_year = 1896
target_year = 2020
print (target_year - first_movie_year) # напишите ваш код здесь

 1.6 Арифметические операции.

 1.7 Арифметические данные и обработка ошибок.

jap_total_speakers = 0
jap_native_speakers = 128.2
try:
    print((jap_total_speakers - jap_native_speakers) / jap_total_speakers)
except:
    print('Деление на ноль!')

 1.8 Типы данных.

Задание 1

Создайте переменную de_website_part, хранящую долю сайтов на немецком языке в рейтинге 10 млн самых популярных сайтов. Какой это тип данных? Проверьте своё предположение: выведите на экран тип объекта из переменной de_website_part.

de_website_part = 0.06 # напишите код здесь
print (type(de_website_part))

Задание 2

Выведите на экран типы переменных chi_language и chi_total_speakers на отдельных строчках.

chi_language = 'китайский'
chi_total_speakers = 1107
# напишите код здесь
print (type(chi_language))
print (type(chi_total_speakers))

Задание 3

Перед вами программа, вычисляющая количество сайтов на русском языке в списке из 10 млн самых популярных сайтов в мире. В переменной russian_web_part мы сохранили долю русского языка в этом списке, а в переменной web_popular — количество сайтов, то есть 10 млн. Затем мы перемножили их в переменной russian_web_popular. Каким будет тип объекта в russian_web_popular? Выведите на экран сначала значение, затем тип переменной russian_web_popular на разных строчках.

russian_web_part = 0.061
web_popular = 10000000
russian_web_popular = web_popular * russian_web_part
# напишите код здесь
print(russian_web_popular)
print(type(russian_web_popular))

 1.9 Преобразование типов.

eng_total_speakers = '1121abc'
print(int(eng_total_speakers)) 

Задание 2

Преобразуйте значение переменной fra_total_speakers из типа str в тип float. Для этого примените функцию float() и поместите результат в ту же переменную. Определите тип объекта после преобразования функцией type() и выведите результат на экран.

fra_total_speakers = '284.9'
# напишите код здесь
fra_total_speakers = float(fra_total_speakers)
print(type(fra_total_speakers))

 1.10 Заключение.

favorite_character = 'Дмитрий Нагиев'# 'напишите имя персонажа вместо комментария'
#напишите ваш код здесь
print(len(favorite_character))

poetry = '''Белая берёза
Под моим окном
Принакрылась снегом,
Точно серебром.

На пушистых ветках
Снежною каймой
Распустились кисти
Белой бахромой.
'''
#выведите значение переменной на экран
print(poetry)

 1.11 Проверочные задания. Переменные и типы данных. Вывод данных.

2. Строки.

Вернуться в Начало статьи

 2.1 Введение.

 2.2 Строки в Python/

 2.3 Индексы.

Задание 1

С помощью неотрицательного индекса выведите на экран символ e из строки в переменной word.

word = 'привет'
print(word[4]) #напишите ваш код здесь

word = 'привет'
print(word[-2])#напишите ваш код здесь

 2.4 Срезы.

word = 'sentence'
# напишите ваш код здесь
print (word[3:6])

string = 'abracadabra'
#напишите ваш код здесь
print(string[0:5])

 2.5 Операции над строками.

print('I will not sleep through my education\n' * 100)

Задание 2

Сложите строку start с одной из переменных: first_choice, second_choice, third_choice — на ваш выбор. Обратите внимание, что складывать нужно именно с переменной, а не явно повторять строку, которая в ней хранится. Результат сложения сохраните в переменную с именем result. Тогда функция print() выведет строку-результат на экран.

start = 'Мне бы хотелось отправиться в '
first_choice = 'Париж'
second_choice = 'Рим'
third_choice = 'Нью-Йорк'
# напишите ваш код здесь
result = start + second_choice
print(result)

 2.6 Методы строк.

phrase = 'Чтобы закончить этот курс, нужна лень'
phrase = phrase.replace('лень','дисциплина') # замените подстроку здесь
print(phrase) # выведите значение переменной на экран здесь

word = 'DaTa ScIeNtIsT'
word_to_lower = word.lower() # приведите к нижнему регистру здесь
print(word_to_lower) # выведите значение переменной word_to_lower на экран здесь

 Задание 3

quote = 'Праздновать успех — это хорошо, но более важно извлекать уроки из неудач'
ind = quote.find('уроки') # напишите ваш код здесь
print(ind)

2.7 F - строки.

Задание 1

С помощью правил f-строк выведите на экран строку: Эйфелева башня находится в Париже, и её высота составляет 300 метров. Название города и высоту вставьте в строку из переменных 'city' и "height".

city = 'Париж'
height = 300
print(f'Эйфелева башня находится в {city}е, и её высота составляет {height} метров.') # измените эту строчку

place = 'Театр-музей'
last_name = 'Дали'
location = 'Каталония'
print('{0} художника {1} находится в автономном сообществе {2}.'.format(place,last_name,location)) # измените эту строчку

 2.8 Заключение.

Шпаргалка темы

 2.9 Проверочные задания. Строки.

3.  Списки.

Вернуться в Начало статьи

 3.1 Введение.

 3.2 Списки - основы.

Задание 1

В переменную duration запишите первые пять значений из столбца «Продолжительность (мин)»: 142, 175, 152, 195, 201. Выведите на экран содержимое переменной.

duration = [142,175,152,195,201] #сление значений
print(duration) 

first_row = ['Побег из Шоушенка','США',1994,'драма',142,9.111] #создайте список здесь
print(first_row) #напечатайте список здесь

 3.3 Индексы и срезы.

second_row = ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730]
country = second_row[1] # напишите ваш код здесь
print (country) #выведите на экран здесь

Задание 2

Получите срез значений:
начало среза — год выпуска, 1972;
конец — продолжительность, 175.
Сохраните срез в переменную movie_slice.

second_row = ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730]
movie_slice = second_row[2:5] #напишите ваш код здесь
print(movie_slice)

 3.4 Добавление и удаление элементов.

Задание 1¶

В списке stalker_info — данные о фильме «Сталкер». Но не хватает значений из последних трёх колонок: жанр — 'фантастика, драма, детектив', продолжительность — 163, рейтинг — 8.083. Добавьте эти значения в список методом extend() в том же порядке. Результат выведите на экран.

stalker_info = ['Сталкер', 'СССР', 1979]
stalker_info.extend(['фантастика, драма, детектив',163,8.083]) # используйте метод extend() здесь
print(stalker_info) # выведите список на экран здесь

 3.5 Сложение и умножение списков.

Задание 1

Сложите два списка в том же порядке, в котором они объявлены. Складывайте именно переменные first_part и second_part. Сохраните результат в переменной movie_info и выведите на экран её содержимое.

first_part = ['Криминальное чтиво', 'США', 1994]
second_part = ['триллер, комедия, криминал', 154, 8.619]
movie_info = first_part + second_part # создайте переменную movie_info здесь
print (movie_info) # здесь выведите получившийся список movie_info на экран

 Задание 2

zeros = [0]
zeros = zeros * 100 #напишите ваш код здесь
print (zeros)

3.6 Сортировка.

movies = ['Хороший, плохой, злой', 'Криминальное чтиво', 'Бойцовский клуб', 'Харакири', 'Сталкер']
movies.sort() # отсортируйте список здесь
print(movies) # выведите список на экран здесь

movies_duration = [142, 175, 152, 195, 201, 154, 178, 139]
movies_duration.sort(reverse=True) # отсортируйте список здесь
print(movies_duration) # выведите список на экран здесь

movies_duration = [142, 175, 152, 195, 201, 154, 178, 139]
movies_duration_sorted = sorted(movies_duration, reverse=True) # напишите ваш код здесь
print(movies_duration_sorted) # напечатайте получившийся список здесь

 3.7 Поиск элементов.

band_list = ['Энтони Кидис', 'Фли', 'Джон Фрушанте', 'Чад Смит']
guitarist_ind = band_list.index('Джон Фрушанте') # напишите ваш код здесь
print (guitarist_ind) # выведите значение на экран здесь

 3.8 Списки и строки.

phrase = 'Aladdin#Esmeralda#Hercules#Mulan'
words = phrase.split('#') #напишите ваш код здесь
print(words)

stations = ['Кропоткинская', 'Парк культуры', 'Фрунзенская', 'Спортивная']
info = '>'.join(stations) # напишите ваш код здесь
print(info) # нужно получить 'Кропоткинская>Парк культуры>Фрунзенская>Спортивная'

 3.9 Заключение.

Шпаргалка темы:

https://code.s3.yandex.net/data-analyst/praktikum_data_analysis_takeaways_basicPython_theme3.pdf.

3.10 Проверочные задания. Списки.

4. Цикл 'for'

Вернуться в Начало статьи

 4.1 Введение.

 4.2 Понятие цикла. Перебор элементов списка.

duration_list = [142, 175, 152, 195]
for i in duration_list:# напишите цикл for здесь
    print(i)

movie_info = ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521]
# напишите цикл for здесь
for i in movie_info:
    print (i)

 4.3 Перебор элементов списка. Функция range()

Задание 1

Инопланетяне оставляют загадочные послания каждый день. Помогите им: напечатайте сообщение ALIENS на экране 100 раз с помощью цикла for.

for i in range(100): 
    print('ALIENS') # напечатайте ваш код здесь

movies_duration = [142, 175, 152, 195, 201]
for i in range(len(movies_duration)): # напишите ваш код здесь
    movies_duration[i] += 2
print(movies_duration)

 4.4 Циклы и встроенные функции для обработки списков.

Встроенная функция max(), min():

movies_duration = [142, 175, 152, 195, 201, 154, 178, 139, 133, 163, 136]
max_duration = max(movies_duration)
print (max_duration) 

marks = [90, 85, 83, 92]
total = sum(marks) # напишите ваш код здесь
print(total)

marks = [90, 85, 83, 92]
max_mark = max(marks) # напишите ваш код здесь
print(max_mark)

 4.5 Обработка списков с помощью циклов. Продолжение.

number = 10
fact = 1 # присвойте начальное значение
# напишите цикл
for i in range(1,number+1):
    fact *= i
print (fact)

import math
number = 10
fact = math.factorial(number) # напишите ваш код здесь
print(fact)

 4.6 Заключение

Шпаргалка темы.

https://code.s3.yandex.net/data-analyst/praktikum_data_analysis_takeaways_basicPython_theme4.pdf

 4.7 Проверочные задания. Цикл for

5. Вложенные списки.

Вернуться в Начало статьи

 5.1 Введение.

 5.2 Список списков.

 5.3 Циклы по вложенным спискам.

Задание №1

Выведите на экран столбец с жанрами фильмов таблицы movies_table. Каждое значение выводите на новой строке.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

for row in movies_table: # напишите ваш код здесь
    print (row[3])

Задание №2

Выведите на экран столбец с годом релиза из таблицы movies_table. Каждое значение выводите на новой строке.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

for i in movies_table:
    print(i[2]) # напишите ваш код здесь

5.4 Циклы по вложенным циклам. Продолжение.

Задание №1

Список списков field описывает игровое поле в «Крестиках-ноликах». Каждый его элемент — список из крестиков и ноликов, расположенных в одной строке. Выведите на экран список списков с помощью вложенных циклов for: каждый элемент общего списка выводите на новой строке; элементы подсписка отделяйте друг от друга одним пробелом. В вашем коде не должно быть квадратных скобок.

field = [['X', 'X', 'O'], ['O', 'X', 'O'], ['O', 'X', 'X']]
# напишите ваш код здесь
for row in field:
    for col in row:
        print (col, end=' ')
    print()

 5.5 Сумма значений в колонке.

Задание №1

В списке списков sales_info хранится число продаж пяти филиалов компании. С помощью цикла посчитайте сумму продаж всех филиалов. Результат сохраните в переменную total. Тогда функция print() выведет его на экран.

# [название филиала, количество продаж]
sales_info = [
    ['центральный', 12210],
    ['западный', 7612],
    ['восточный', 8110],
    ['южный', 5720],
    ['северный', 9798]
]

total = 0 # присвойте начальное значение
# напишите ваш код здесь
for sales in sales_info:
    total += sales[1]
print(total)

Задание №2

В списке списков movies_table найдите сумму всех значений рейтинга.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

rating_total = 0# присвойте начальное значение счётчику

# напишите ваш код здесь
for rating in movies_table:
    rating_total += rating[5]

print(rating_total)

 5.6 Добавление столбца в таблицу.

Задание №1

В конец каждого вложенного списка добавьте тип фильма: 'полнометражный'.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

# напишите ваш код здесь
for movie in movies_table:
    movie.append('полнометражный')
for movie in movies_table:
    for elem in movie:
        print(f'{elem:<45}', end='')
    print()

Задание №2

После названия каждого фильма добавьте ячейку о качестве видео — 'FullHD'.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

# напишите ваш код здесь
for movie in movies_table:
    movie.insert(1,'FullHD')
for movie in movies_table:
    for elem in movie:
        print(f'{elem:<45}', end='')
    print()

 5.7 Анализ значений в нескольких столбцах.

Задание №1

В каждой строке таблицы — данные о выручке магазинов в разных регионах: элемент с индексом 1 — выручка за первое полугодие; с индексом 2 — за второе. Добавьте в конец каждого вложенного списка сумму продаж за год.

sales = [
    ['Московская область',105820,112180],
    ['Ленинградская область',85899,91021],
    ['Самарская область',35010,32001],
    ['Ростовская область',37011,39595]
]

# напишите ваш код здесь
for sale in sales: # перебираем списки 
    year = (sale[1] + sale[2])
    sale.append(year) # добавляем полученное значение в конец текущего списка

print(sales)

 5.8 Сортировка списка списков.

 5.9 Заключение.

Заключение

В этой теме вы познакомились с вложенными списками — их элементами являются другие списки. Вложенные списки помогают отразить таблицы в Python, но это ещё не всё — скоро вы познакомитесь с новой структурой данных. Чтобы ничего не забыть, скачайте шпаргалку темы.

 5.10 Проверочные задания. Вложенные списки.

6. Условный оператор.

Вернуться в Начало статьи

 6.1 Введение

 6.2 Булев тип данных

 6.3 Логические выражения и операторы сравнения

 6.4 Условный оператор

Задание 1

С помощью условного оператора проверьте рейтинг фильма «Крёстный отец». Если он выше или равен 8.5, выведите на экран сообщение 'Высокий рейтинг', иначе — 'Обычный рейтинг'.

movie_rating = 8.73 # рейтинг фильма «Крёстный отец»
# напишите ваш код здесь
if movie_rating >=8.5:
    print('Высокий рейтинг')
else:
    print('Обычный рейтинг')

Задание 2

Проверьте год выхода фильма «Бойцовский клуб»: если он вышел после 2000 года, выведите на экран 'Да'; если в 2000 году или раньше — 'Нет'. Для этого вызовите условный оператор и обратитесь к нужному элементу списка по индексу.

movie_info = ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644]
# напишите ваш код здесь
if movie_info[2]>2000:
    print('Да')
else:
    print('Нет')

 6.5 Дополнительные ветки кода

Задание №1

переведите оценки из стобалльной системы в пятибалльную по этим правилам: оценка 2: от 0 до 59 баллов; оценка 3: от 60 до 72 баллов; оценка 4: от 73 до 84 баллов; оценка 5: от 85 до 100 баллов. По мере прохождения по списку печатайте результаты на экране — как в примере со списком years. Каждую оценку выводите на новой строке.

marks = [91, 35, 65, 89, 78, 93]

# напишите ваш код здесь
for i in marks:
    if 0<i<=59:
        print(2)
    if 60<i<=72:
        print(3)
    if 73<i<=84:
        print(4)
    if 85<i<=100:
        print(5)

Задание №2

Перед вами список со странами выхода некоторых фильмов. Для каждого элемента напечатайте сообщение в зависимости от названия страны: для СССР напечатайте 'Фильм вышел в СССР.'; для США — 'The movie was released in USA.'; для Италии — 'Il film e stato rilasciato in Italia.'; для любой другой страны — 'Страна не определена.'. Каждое сообщение выводите на новой строке.

countries = ['СССР', 'Новая Зеландия', 'Италия', 'Италия', 'СССР', 'США']

# напишите ваш код здесь
for i in countries:
    if i == 'СССР':
        print('Фильм вышел в СССР.')
    elif i == 'США':
        print('The movie was released in USA.')
    elif i == 'Италия':
        print('Il film e stato rilasciato in Italia.')
    else:
        print('Страна не определена.')

 6.6 Фильтр для таблицы

Задание №1

С помощью фильтра извлеките из movies_table фильмы, снятые в США. Результат сохраните в movies_filtered. Тогда цикл for выведет результат на экран.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

movies_filtered = [] # пустая переменная для хранения результатов

# напишите ваш код здесь
for movies in movies_table:
    if movies[1] == 'США':
        movies_filtered.append(movies)

for movie in movies_filtered: # для каждого списка в списке
    for elem in movie: # перебираем элементы очередного списка
        print(f'{elem:<45}', end='') # выравнивание каждого элемента по левому краю с фиксированной шириной строки 45
    print() # после вывода очередной строки на экран переводим на новую строку

Задание №2

С помощью фильтра извлеките из movies_table фильмы с рейтингом выше 8.6. Результат сохраните в movies_filtered. Тогда цикл for выведет результат на экран.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

movies_filtered = [] # здесь будет отфильтрованный список списков

# напишите ваш код здесь
for movies in movies_table:
    if movies[5] > 8.6:
        movies_filtered.append(movies) 

for movie in movies_filtered: # для каждого списка в списке
    for elem in movie: # перебираем элементы очередного списка
        print(f'{elem:<45}', end='') # выравнивание каждого элемента по левому краю с фиксированной шириной строки 45
    print() # после вывода очередной строки на экран переводим на новую строку

 6.7 Сложные логические выражения

Задание №1

Оставьте в списке списков movies_filtered информацию только о тех фильмах таблицы movies_table, которые вышли в США и имеют хронометраж более 150 минут.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

# создайте пустой список movies_filtered здесь
movies_filtered=[]
# напишите ваш код здесь
for movies in movies_table:
    if movies[1] == 'США' and movies[4]>150:
        movies_filtered.append(movies)
        
for movie in movies_filtered:
    for elem in movie:
        print(f'{elem:<45}', end='')
    print()

Задание №2

Сохраните в movies_filtered информацию только о тех фильмах таблицы, которые либо вышли в 1994 году, либо имеют рейтинг ниже 8.5.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

movies_filtered = [] # создайте пустой список movies_filtered здесь

# напишите ваш код здесь
for movies in movies_table:
    if movies[2] == 1994 or movies[5] < 8.5:
        movies_filtered.append(movies)

for movie in movies_filtered:
    for elem in movie:
        print(f'{elem:<45}', end='')
    print()

 6.8 Счетчики

Задание №1

Посчитайте триллеры в movies_table. Результат сохраните в thrillers_count — тогда функция выведет его на экран.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

thrillers_count = 0 # присвойте начальное значение

# напишите ваш код здесь 
for movies in movies_table:
    if 'триллер' in movies[3]:
        thrillers_count += 1

print(thrillers_count)

Задание №2

Посчитайте фильмы, которые вышли после 1990 года. Результат сохраните в переменную after_ninety_count.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

after_ninety_count = 0 # присвойте начальное значение

# напишите ваш код здесь
for movies in movies_table:
    if movies[2] > 1990:
        after_ninety_count += 1

print(after_ninety_count)

Задание №3

Посчитайте среднее значение рейтинга драм. Для этого вычислите сумму рейтингов всех драм и разделите её на количество драм. Результат выведите на экран.

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

drama_rating_total = 0 # переменная для суммарного рейтинга драм
drama_rating_count = 0 # переменная для количества драм

# напишите ваш код здесь
for drama in movies_table:
    if 'драма' in drama[3]:
        drama_rating_count += 1
        drama_rating_total += drama[5]

# здесь разделите суммарный рейтинг на количество и выведите результат на экран
print(drama_rating_total/drama_rating_count)

 6.9 Заключение

В этой теме вы поработали с условным оператором. Условный оператор if входит в конструкцию if..elif..else. С помощью конструкции с условным оператором можно создать несколько веток кода, которые Python выполнит или пропустит. Теперь вы знаете, что: Алгоритм может предполагать разные пути, почти как в сказке: «Направо пойдёшь — коня потеряешь, прямо пойдёшь...» Чтобы создать несколько веток кода, нужно использовать логическое выражение и условный оператор. Ветвление бывает разной сложности: условный оператор с одной ветвью (if); условный оператор с двумя ветвями (if...else); условный оператор с несколькими ветвями (if...elif или if...elif...else). Чтобы ничего не забыть, скачайте шпаргалку темы. 

 6.10  Проверочные задания. Условный оператор

7. Функции.

Вернуться в Начало статьи

 7.1 Введение

 7.2 Функции и высокая кухня

 7.3 Собственные функции

 7.4 Неповторимый код

 7.5 В поисках смысла

 7.6 Параметры: значения по умолчанию

Задача 1

Напишите функцию filter_by_year с двумя параметрами: data: список списков с данными о фильме; year: целое число, по умолчанию — 1990. Функция возвращает данные о фильмах, которые вышли после года year.

# функция печати таблицы, принимает на вход список списков, ничего не возвращает (неявно возвращается None)
def print_movie_table(data):
    for movie in data:
        for elem in movie:
            print(f'{elem:<45}', end='')
        print()


# определите функцию filter_by_year здесь

def filter_by_year(data, year=1990):
    data = []
    for movies in movies_table:
        if movies[2] > year:
            data.append(movies)
    return data


# название, страна, год, жанр, продолжительность (мин.), рейтинг "Кинопоиска" 
movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094],
    ['Один дома', 'США', 1990, 'комедия, семейный', 103, 8.305]
]

movies_table_filtered = filter_by_year(movies_table)
print_movie_table(movies_table_filtered)

Задача 2

Напишите функцию filter_by_genre, которая принимает два аргумента:
data: список списков с информацией о фильмах;
genre: название жанра, по умолчанию — 'драма'.
Функция возвращает данные о фильмах в жанре 'драма'. Если жанров несколько — 'драма' будет среди них.

# функция печати таблицы, принимает на вход список списков, ничего не возвращает (неявно возвращается None)
def print_movie_table(data):
    for movie in data:
        for elem in movie:
            print(f'{elem:<45}', end='')
        print()


# определите функцию filter_by_genre здесь
def filter_by_genre(data, genre='драма'):
    filtered_data = []
    for row in data:
        if genre in row[3]:
            filtered_data.append(row) 
    return filtered_data

movies_table = [
    ['Побег из Шоушенка', 'США', 1994, 'драма', 142, 9.111],
    ['Крёстный отец', 'США', 1972, 'драма, криминал', 175, 8.730],
    ['Тёмный рыцарь', 'США', 2008, 'фантастика, боевик, триллер', 152, 8.499],
    ['Список Шиндлера', 'США', 1993, 'драма', 195, 8.818],
    ['Властелин колец: Возвращение Короля', 'Новая Зеландия', 2003, 'фэнтези, приключения, драма', 201, 8.625],
    ['Криминальное чтиво', 'США', 1994, 'триллер, комедия, криминал', 154, 8.619],
    ['Хороший, плохой, злой', 'Италия', 1966, 'вестерн', 178, 8.521],
    ['Бойцовский клуб', 'США', 1999, 'триллер, драма, криминал', 139, 8.644],
    ['Харакири', 'Япония', 1962, 'драма, боевик, история', 133, 8.106],
    ['Сталкер', 'СССР', 1979, 'фантастика, драма, детектив', 163, 8.083],
    ['Иди и смотри', 'СССР', 1985, 'драма, военный', 136, 8.094]
]

movies_table_filtered = filter_by_genre(movies_table)
print_movie_table(movies_table_filtered)

 7.7 Позиционные и именованные аргументы

 7.8 Результаты по ту сторону функции

 7.9 Лаборатория функций

1. Определите функцию find_rect_square(side1, side2), которая: принимает в виде аргументов два целых числа — стороны прямоугольника; возвращает их произведение — площадь фигуры.

def find_rect_square(side1, side2):
    # напишите тело функции
    square = side1 * side2
    return square

print(find_rect_square(10, 12))

2. Напишите функцию-предикат is_speed_ok для датчика превышения скорости. Она должна быть предикатом, который принимает аргумент со скоростью — speed. Если его значение меньше или равно 60, функция вернёт True, иначе — False. Постарайтесь использовать логическое выражение после ключевого слова return. Вспомните, что логические условия вроде a < 1 уже возвращают True или False и использование условного оператора здесь не требуется.

# определите функцию здесь
def is_speed_ok(speed):
    return speed<=60
        
current_speed = 46
print(is_speed_ok(current_speed))
current_speed = 70
print(is_speed_ok(current_speed))
current_speed = 60
print(is_speed_ok(current_speed))

3. Напишите функцию get_hours_and_minutes(), которая принимает аргумент со строкой — временем в формате 'hh:mm'. C помощью метода split() и функции int() разбейте аргумент на два целых числа: часы и минуты. Верните их в том же порядке. Вспомните, что из функций можно возвращать более одного значения: нужно просто перечислить их через запятую после ключевого слова return.

def get_hours_and_minutes(time_string):
    #напишите ваш код здесь
    time_list = time_string.split(':')
    hh = int(time_list[0])
    mm = int(time_list[1]) 
    return hh, mm

time_str = '12:35'
hours, minutes = get_hours_and_minutes(time_str)
print(hours, minutes)

4. На одной радиостанции ставят только песни короче 210 секунд. Напишите функцию-предикат check_song_duration(), которая: принимает аргумент-строку с длительностью трека в формате mm:ss; возвращает True, если длительность меньше 210 секунд. Иначе возвращает False. Внутри своей функции вызовите get_minutes_and_seconds(), чтобы извлечь количество минут и секунд из строки.

def get_minutes_and_seconds(time_string):
    time_list = time_string.split(':')
    m = int(time_list[0])
    s = int(time_list[1])
    return m, s


def check_song_duration(time_string):
    #напишите ваш код здесь
    m,s = get_minutes_and_seconds(time_string)
    return (m*60+s) < 210


print(check_song_duration('4:35'))
print(check_song_duration('2:10'))

5. Создайте цикл, который проверит длительность треков из списка tracks. Цикл должен вывести на экран результат работы функции check_song_duration() для каждого элемента списка. Каждое значение выводите на новой строке.

def get_minutes_and_seconds(time_string):
    time_list = time_string.split(':')
    m = int(time_list[0])
    s = int(time_list[1])
    return m, s


def check_song_duration(time_string):
    minutes, seconds = get_minutes_and_seconds(time_string)
    seconds = minutes * 60 + seconds
    return seconds <= 210


tracks = ['2:25', '2:35', '3:45', '2:00', '5:10']

#напишите ваш код здесь
for row in tracks:
    print (check_song_duration(row))

 7.10 Заключение

В этой теме вы научились структурировать код с помощью собственных функций. Вы узнали, что: Функции позволяют выделить набор команд в отдельный именованный блок. Благодаря этому код можно переиспользовать несколько раз. У функций есть имя и внутренние переменные — параметры. При вызове функции передают значения — аргументы. В Python есть встроенные функции для распространённых задач, например sum() для расчёта суммы. Чтобы ничего не забыть, скачайте шпаргалку темы.

 7.11 Проверочные задания. Функции

8. Словари.

Вернуться в Начало статьи

 8.1 Введение

 8.2 Словари - основы

 8.3 Поиск и добавление элементов

Задание 1

Запишите в переменную walmart_price стоимость акции 'Walmart'. Для этого извлеките значение из словаря небезопасным способом.

financial_info = {
    'American Express': 93.23,
    'Boeing': 178.44,
    'Coca-Cola': 45.15,
    'Nike': 97.99,
    'JPMorgan':96.27,
    'Walmart': 130.68,
    'Walt Disney': 119.34
}

walmart_price = financial_info['Walmart'] # напишите ваш код здесь
print(walmart_price)

Задание 2 Извлеките из словаря цену акций 'Nike' безопасным способом. В случае, если ключа нет, метод должен вернуть None.

financial_info = {
    'American Express': 93.23,
    'Boeing': 178.44,
    'Coca-Cola': 45.15,
    'Nike': 97.99,
    'JPMorgan': 96.27,
    'Walmart': 130.68,
    'Walt Disney': 119.34
}

nike_price = financial_info.get('Nike') # напишите ваш код здесь
print(nike_price)

Задание 3

Добавьте в словарь financial_info новый элемент c ключом 'Microsoft' и значением — 208.35.

financial_info = {
    'American Express': 93.23,
    'Boeing': 178.44,
    'Coca-Cola': 45.15,
    'Nike': 97.99,
    'JPMorgan': 96.27,
    'Walmart': 130.68,
    'Walt Disney': 119.34
}

# добавьте новую пару здесь
financial_info ['Microsoft'] = 208.35
print(financial_info)

 8.4 Словари и списки

 8.5 Список словарей

Задание 1

В списке словарей monuments описаны некоторые статуи. Выведите на экран их среднюю высоту. В решении должны быть использованы цикл и вызов функции len(). В цикле посчитайте только сумму высот всех статуй. А среднее значение рассчитайте и выведите на экран уже после цикла.

monuments = [
    {
        'name': 'Статуя Единства', # название
        'country': 'Индия', # страна
        'height': 182 # высота без постамента
    },
    {
        'name': 'Статуя богини Каннон в Сендае',
        'country': 'Япония',
        'height': 100
    },
    {
        'name': 'Родина-Мать зовёт!',
        'country': 'Россия',
        'height': 85
    },
    {
        'name': 'Будда Дорденма',
        'country': 'Бутан',
        'height': 51.5
    },
    {
        'name': 'Статуя Свободы',
        'country': 'США',
        'height': 46
    }
]

# напишите ваш код здесь
H = 0
for item in monuments:
    H += item['height']
    
print(H/len(monuments))

Задание 2

Исследуйте список order из урока: найдите общую стоимость всех пицц. Результат выведите на экран.

order = [
    {
        'item': 'Пицца Маргарита', # название позиции
        'category': 'пицца', # категория товара
        'quantity': 2, # количество в заказе
        'comment': 'Побольше сыра, пожалуйста!', # комментарий к заказу
        'price': 320 # стоимость одной единицы товара
    },
    {
        'item': 'Пицца с ветчиной',
        'category': 'пицца',
        'quantity': 1,
        'comment': '',
        'price': 410
    },
    {
        'item': 'Pepsi 1 л',
        'category': 'напитки',
        'quantity': 3,
        'comment': '',
        'price': 75
    },
    {
        'item': 'Сок яблочный 0.5 л',
        'category': 'напитки',
        'quantity': 1,
        'comment': '',
        'price': 80
    },
    {
        'item': 'Круассан с сыром',
        'category': 'выпечка',
        'quantity': 2,
        'comment': '',
        'price': 130
    }
]

# напишите ваш код здесь
sum_pica = 0
for item in order:
    if item['category'] == 'пицца':
        sum_pica += item['price'] * item['quantity']
print (sum_pica)

 8.6 Лаборатория словарей

Задача №1

В словаре arts_info ключи — названия картин, а значения — их авторы. Выведите на экран: Автора картины «Крик» — небезопасным способом. Автора картины «Рожь» — безопасным способом. Значением по умолчанию сделайте -1.

arts_info = {
    'Звёздная ночь': 'Ван Гог Винсент',
    'Крик': 'Мунк Эдвард',
    'Неизвестная': 'Крамской Иван',
    'Итальянский полдень': 'Брюллов Карл',
    'Рожь': 'Шишкин Иван',
}

print(arts_info['Крик']) # допишите ваш код внутри print()
print(arts_info.get('Рожь', -1)) # допишите ваш код внутри print()

Задача №2

Три игрока лиги NBA считали заработанные очки в течение трёх лет. Результат сохранён в словаре списков nba_players. Создайте цикл, который: Пройдётся по элементам словаря методом items() и сложит очки каждого игрока с помощью функции sum(). Получит длину списка функцией len(). Выведет на экран имя игрока и среднее значение очков. Получить его можно, разделив суммы очков на длину списка. Например, для Леброна Джеймса цикл напечатает:

nba_players = {
    'Джеймс Харден': [2191, 2818, 2335],
    'Леброн Джеймс': [2251, 1505, 1698],
    'Дэмиан Лиллард': [1962, 2067, 2009],
}

# напишите ваш код здесь
for playrs,nba in nba_players.items():
    print (playrs, int(sum(nba)/len(nba)))

Задача №3

Список словарей tracklist содержит плейлист для вечеринки. Найдите суммарную длительность треков жанра Hip-Hop с помощью цикла.

tracklist = [
    {
        'title': 'Stronger', # название трека
        'artist': 'Saimoo', # исполнитель
        'duration': 145, # продолжительность (в секундах)
        'genre': 'Deep House', # жанр
    },
    {
        'title': 'Alors On Danse',
        'artist': 'Stromae',
        'duration': 205,
        'genre': 'Hip-Hop',
    },
    {
        'title': 'Don\'t Be So Shy',
        'artist': 'Imany (Filatov & Karas Remix)',
        'duration': 190,
        'genre': 'Deep House',
    },
    {
        'title': 'Off My Mind',
        'artist': 'Matvey Emerson',
        'duration': 130,
        'genre': 'Deep House',
    },
    {
        'title': 'Now You\'re Gone',
        'artist': 'Basshunter',
        'duration': 154,
        'genre': 'Eurodance',
    },
    {
        'title': 'It Was A Good Day',
        'artist': 'Ice Cube',
        'duration': 260,
        'genre': 'Hip-Hop',
    },
    {
        'title': 'Diva',
        'artist': 'Beyonce',
        'duration': 200,
        'genre': 'Hip-Hop',
    }
]

hip_hop_duration = 0

# напишите ваш код здесь
for track  in tracklist:
    if track['genre'] == 'Hip-Hop':
        hip_hop_duration += track['duration']
    
print(hip_hop_duration)

Задача №4

Для того же списка словарей tracklist создайте отфильтрованный список словарей deep_house_tracklist, содержащий информацию только о треках с жанром Deep House. Не создавайте этот список вручную.

from json import dumps

tracklist = [
    {
        'title': 'Stronger',
        'artist': 'Saimoo',
        'duration': 145,
        'genre': 'Deep House',
    },
    {
        'title': 'Alors On Danse',
        'artist': 'Stromae',
        'duration': 205,
        'genre': 'Hip-Hop',
    },
    {
        'title': 'Don\'t Be So Shy',
        'artist': 'Imany (Filatov & Karas Remix)',
        'duration': 190,
        'genre': 'Deep House',
    },
    {
        'title': 'Off My Mind',
        'artist': 'Matvey Emerson',
        'duration': 130,
        'genre': 'Deep House',
    },
    {
        'title': 'Now You\'re Gone',
        'artist': 'Basshunter',
        'duration': 154,
        'genre': 'Eurodance',
    },
    {
        'title': 'It Was A Good Day',
        'artist': 'Ice Cube',
        'duration': 260,
        'genre': 'Hip-Hop',
    },
    {
        'title': 'Diva',
        'artist': 'Beyonce',
        'duration': 200,
        'genre': 'Hip-Hop',
    }
]

deep_house_tracklist = []

# напишите ваш код здесь
for track in tracklist:
    if track['genre'] == 'Deep House':
        deep_house_tracklist.append(track)

for track in deep_house_tracklist:
    print(dumps(track, indent=4))

 8.7 Заключение

Поздравляем, вы прошли большой путь и изучили основы языка Python. Не забудьте шпаргалку по словарям, чтобы ничего не упустить. Словари — важная структура данных. Эта тема полезна для понимания таблиц в библиотеке pandas, без которой не обходится работа специалиста в сфере данных. С этой библиотекой вы познакомитесь в следующей теме. Вы уже многому научились, и теперь нужно систематизировать полученные знания. В этом вам поможет карта — скачайте концепт-карту по пройденным урокам и проверьте, насколько хорошо вам знакомы все понятия.

Шпора:  Концепт карта:

 8.8 Проверочные задания. Словари

9. Библиотека  Pandas

Вернуться в Начало статьи

 9.1 Анализ данных продолжается сдесь

Задача №1

Подключите pandas так, чтобы обращаться к библиотеке через pd.

# напишите ваш код здесь
import pandas as pd

Задача №2

Создайте список списков music с четырьмя элементами. В каждом подсписке сохраните по два строковых значения, имя исполнителя и название песни:

'Bob Dylan' — 'Like A Rolling Stone';

'John Lennon' — 'Imagine';

'The Beatles' — 'Hey Jude';

'Nirvana' — 'Smells Like Teen Spirit'.

import pandas as pd

music = [
    ['Bob Dylan','Like A Rolling Stone'],
    ['John Lennon','Imagine'],
    ['The Beatles','Hey Jude'],
    ['Nirvana','Smells Like Teen Spirit']
]

Задача №3

Создайте список entries с названиями двух столбцов — artist и track (от англ. «исполнитель» и «композиция»).

import pandas as pd

music = [
    ['Bob Dylan', 'Like A Rolling Stone'],
    ['John Lennon', 'Imagine'],
    ['The Beatles', 'Hey Jude'],
    ['Nirvana', 'Smells Like Teen Spirit'],
]

# напишите ваш код здесь
entries = ['artist','track']

Задача №4

С помощью конструктора DataFrame() создайте таблицу из списков music и entries. Сохраните результат в переменную playlist и выведите его на экран.

import pandas as pd

music = [
    ['Bob Dylan', 'Like A Rolling Stone'],
    ['John Lennon', 'Imagine'],
    ['The Beatles', 'Hey Jude'],
    ['Nirvana', 'Smells Like Teen Spirit'],
]

entries = ['artist', 'track']

playlist = pd.DataFrame(data=music,columns=entries)
print (playlist)

 9.2 Таблицы в Pandas

 9.3 Получение данных

 9.4 Обзор данных

 9.5 Яндекс музыка. Обзор данных

Задача №1

Прочитайте файл music_log.csv и сохраните его данные в переменной df. Создайте переменную shape_table и сохраните в ней размеры таблицы music_log.csv. Напечатайте на экране размер таблицы в таком виде:

import pandas as pd

# напишите ваш код здесь
df = pd.read_csv('music_log.csv')
shape_table = df.shape
print ('Размер таблицы:',shape_table)

Задача №2

Сохраните в observations_table количество строк таблицы. Для этого получите первый элемент из кортежа shape_table. Выведите результат на экран в следующем виде:

import pandas as pd

df = pd.read_csv('music_log.csv') 
shape_table = df.shape

observations_table = df.shape[0] # <напишите код здесь>
print ('Количество наблюдений:',observations_table)

Задача №3

Вызовите метод info(). Найдите в его выводе количество наблюдений (количество строк таблицы, вы выводили его на экран в предыдущей задаче). Вручную присвойте это число переменной observations_info_table.

import pandas as pd

df = pd.read_csv('music_log.csv')
# напишите вызов метода info() и нажмите кнопку «Выполнить»
df.info()
# затем раскомментируйте строку ниже и впишите туда полученное количество наблюдений
observations_info_table = 67963

Задача №4

Вы ещё не запутались? Осмотритесь и заодно вспомните условные конструкции. В ходе работы вы объявляете разные переменные и сохраняете в них добытую разными способами информацию. Запутаться очень легко, поэтому необходимо проверять себя и текущие результаты.

Сравните полученные результаты в переменных observations_info_table и observations_table. Если их значения совпадают, выведите количество наблюдений и сообщение:

'Решение верно, количество наблюдений равно', observations_table Если значения переменных не совпадают, выведите сообщение:

'Решение неверно, проверьте ещё раз!'

import pandas as pd
df = pd.read_csv('music_log.csv')

observations_info_table = df.shape[0]
observations_table = 67963
if observations_info_table == observations_table:
    print ('Решение верно, количество наблюдений равно', observations_table)
else:
    print ('Решение неверно, проверьте ещё раз!')

 9.6 Индексация в DataFrame

 9.7 Яндекс музыка. Индексация

Задача №1

Из таблицы в переменной df извлеките два столбца: genre и Artist. Результат сохраните в genre_fight. Тогда print() выведет результат на экран.

import pandas as pd

df = pd.read_csv('music_log.csv')
# напишите ваш код здесь
genre_fight = df.loc[:,['genre','Artist']]
print(genre_fight)

Задача №2

Добавьте в код подсчёт треков жанра «поп». С помощью логической индексации получите ячейки со значением 'pop' — можно использовать сокращённую форму записи — и посчитайте их методом count(). Результат сохраните в переменной genre_pop. Вывод значения на экран уже есть в коде, не меняйте его.

import pandas as pd

df = pd.read_csv('music_log.csv')
genre_fight = df[['genre', 'Artist']]

# напишите ваш код здесь
genre_pop = genre_fight[genre_fight['genre'] == 'pop']
genre_pop = genre_pop['genre'].count()
print("Число прослушанных треков в жанре поп равно", genre_pop)

Задача №3

Не удаляя код из предыдущего задания, добавьте подсчёт треков в жанре 'rock'. Решение будет похожим: изменится только логическое выражение. Сохраните результат в переменной genre_rock. Напечатайте ответ на экране в таком виде: Число прослушанных треков в жанре рок равно ...

import pandas as pd

df = pd.read_csv('music_log.csv')
genre_fight = df[['genre', 'Artist']]

# напишите ваш код здесь
genre_pop = genre_fight[genre_fight['genre'] == 'pop']
genre_pop = genre_pop['genre'].count()

genre_rock = genre_fight[genre_fight['genre'] == 'rock']
genre_rock = genre_rock['genre'].count()

print("Число прослушанных треков в жанре поп равно", genre_pop)
print("Число прослушанных треков в жанре рок равно", genre_rock)

Задача №4

Напишите условную конструкцию, чтобы сравнить результаты предыдущих расчётов: если значение genre_pop больше, выведите сообщение 'Поп-музыку слушают больше.'; если больше genre_rock — 'Рок слушают больше.'; а если они равны — 'Поп и рок слушают одинаково часто.'.

import pandas as pd

df = pd.read_csv('music_log.csv')
genre_fight = df[['genre', 'Artist']]

# напишите ваш код здесь
genre_pop = genre_fight[genre_fight['genre'] == 'pop']
genre_pop = genre_pop['genre'].count()

genre_rock = genre_fight[genre_fight['genre'] == 'rock']
genre_rock = genre_rock['genre'].count()

print("Число прослушанных треков в жанре поп равно", genre_pop)
print("Число прослушанных треков в жанре рок равно", genre_rock)

if genre_pop > genre_rock:
    print ('Поп-музыку слушают больше.')
elif genre_pop < genre_rock:
    print ('Рок слушают больше.')    
elif genre_pop == genre_rock:
    print ('Поп и рок слушают одинаково часто.')

 9.8 Объект Series

 9.9 Яндекс Музыка. Series

Задача №1

Из df получите таблицу только с жанром rock и сохраните её в переменной rock.

import pandas as pd

df = pd.read_csv('music_log.csv')

# напишите код здесь
rock = df[df['genre'] == 'rock']

Задача №2

Сохраните столбец total play таблицы rock в переменной rock_time.

import pandas as pd

df = pd.read_csv('music_log.csv')

rock = df[df['genre'] == 'rock']
# напишите ваш код здесь
rock_time = rock['total play']

Задача №3

Посчитайте треки в rock_time, которые слушали пять секунд или менее. Это пропущенные композиции: пользователи начинали их слушать, но быстро выключали. Результат сохраните в переменной rock_haters.

import pandas as pd
df = pd.read_csv('music_log.csv')

rock = df[df['genre'] == 'rock']
rock_time = rock['total play']
# посчитайте и сохраните значение в переменной rock_haters
rock_haters = rock_time[rock_time <= 5].count()
print("Количество пропущенных треков жанра рок равно", rock_haters)

Задача №4

Теперь исследуйте любителей поп-музыки. Выберите в таблице df только строки с жанром 'pop' и сохраните эту новую таблицу в переменной pop.

import pandas as pd
df = pd.read_csv('music_log.csv')

rock = df[df['genre'] == 'rock']
rock_time = rock['total play']
rock_haters = rock_time[rock_time <= 5].count()
print("Количество пропущенных треков жанра рок равно", rock_haters)

#напишите код здесь
pop = df[df['genre'] == 'pop']

Задача №5

Сохраните столбец total play таблицы pop в переменной pop_time, как вы это делали в задании 2 для жанра рок.

import pandas as pd
df = pd.read_csv('music_log.csv')

rock = df[df['genre'] == 'rock']
rock_time = rock['total play']
rock_haters = rock_time[rock_time <= 5].count()
print("Количество пропущенных треков жанра рок равно", rock_haters)

pop = df[df['genre'] == 'pop']
# извлеките столбец здесь
pop_time = pop['total play']

Задача №6

Посчитайте треки из столбца pop_time, которые слушали пять секунд или менее. Это пропущенные композиции: пользователи начинали их слушать, но быстро выключали. Результат сохраните в переменной pop_haters.

import pandas as pd
df = pd.read_csv('music_log.csv')

rock = df[df['genre'] == 'rock']
rock_time = rock['total play']
rock_haters = rock_time[rock_time <= 5].count()
print("Количество пропущенных треков жанра рок равно", rock_haters)

pop = df[df['genre'] == 'pop']
pop_time = pop['total play']
# напишите ваш код здесь
pop_haters = pop_time[pop_time <=5].count()
print("Количество пропущенных треков жанра поп равно", pop_haters)

Задача №7

Вы посчитали пропущенные треки для двух жанров. Не удаляя вывод количества пропущенных треков, рассчитайте их долю: отношение к общему числу треков того же жанра. rock_haters разделите на общее число треков в таблице rock. Результат сохраните в переменную rock_skip. pop_haters — на число треков в pop. Результат сохраните в pop_skip.

import pandas as pd
df = pd.read_csv('music_log.csv')

rock = df[df['genre'] == 'rock']
rock_time = rock['total play']
rock_haters = rock_time[rock_time <= 5].count()
print("Количество пропущенных треков жанра рок равно", rock_haters)

pop = df[df['genre'] == 'pop']
pop_time = pop['total play']
pop_haters = pop_time[pop_time <= 5].count()
print("Количество пропущенных треков жанра поп равно", pop_haters)

# посчитайте rock_skip здесь
rock_skip = rock_haters/rock.shape[0]
print('Доля пропущенных композиций жанра рок равна:', rock_skip)

# посчитайте pop_skip здесь
pop_skip = pop_haters/pop.shape[0]
print('Доля пропущенных композиций жанра поп равна:', pop_skip)

 9.10 Лаборатория индексации

Задача №1

Импортируйте библиотеку pandas и считайте СSV-файл game_board.csv в датафрейм board_df.

# импортируйте библиотеку pandas
import pandas as pd
# напишите ваш код
board_df = pd.read_csv('game_board.csv')

Задача №2

Выведите на экран корабль под номером 1 — с одной палубой. Для этого обратитесь к соответствующей ячейке по номеру строки и названию столбца. Примените полную запись индексации.

import pandas as pd

board_df = pd.read_csv('game_board.csv')
# напишите ваш код здесь
print (board_df.loc[0,'J'])

Задача №3

Выведите на экран корабль 2 с помощью обычной индексации. Запросите срез строк, на которых расположен корабль, и выберите нужный столбец. В решении примените полную запись с атрибутом loc[].

import pandas as pd

board_df = pd.read_csv('game_board.csv')
# напишите ваш код здесь
print(board_df.loc[1:3,'B'])

Задача №4

Выведите на экран корабль 3 — с четырьмя палубами. Для этого задайте соответствующую строку и срез столбцов. Примените полную форму атрибута loc[].

import pandas as pd

board_df = pd.read_csv('game_board.csv')
# напишите ваш код здесь
print(board_df.loc[5,'C':'F'])

Задача №5

Выведите на экран корабль 4. В решении примените сокращённую запись логической индексации.

import pandas as pd

board_df = pd.read_csv('game_board.csv')
# напишите ваш код здесь
print(board_df[board_df['H'] == 1]['H'])

 9.11 Заключение

Заключение

Результат работы Соединив знание основ языка Python — арифметические и логические операторы, переменные, вызов функции print() — с некоторыми возможностями библиотеки pandas, вы уже получили важный для реального бизнеса результат. Он касается задачи, которую вам поставит менеджер Яндекс Музыки.

Вывод из вашего исследования контринтуитивный, как это нередко бывает в анализе данных. Казалось бы, раз «все» качают попсу, время прослушивания можно увеличить, просто добавив в плейлист побольше поп-музыки. А вот и нет! Хотя попсу действительно слушают чаще, пропускают её так же быстро, как и рок. Яндекс пошёл другим путём: объединил сервисы Музыка и Радио. С этим фактом и будет связано ваше исследование.

Что дальше

Перед тем как взяться за предоставленную менеджером громадную таблицу, надо вычистить из неё пропуски, дубликаты и другие нежелательные артефакты. Готовится важное решение. Нельзя, чтобы «информационный мусор» толкнул вас на неверный путь. Предобработка данных так важна, что её приёмам посвящена вся следующая тема. Заберите с собой Чтобы ничего не забыть, скачайте шпаргалку.

 9.12 Проверочные задания. Библиотека Pandas

10. Предварительная обработка данных.

Вернуться в Начало статьи

 10.1 От осины не родятся апельсины. Принцип GIGO

 10.2 Поиск проблем в данных

 10.3 Переименование столбцов

Задача №1 

Выведите на экран названия столбцов таблицы в df.

import pandas as pd
df = pd.read_csv('music_log.csv')
print(df.columns)

Задача №2

Измените названия столбцов

import pandas as pd
df = pd.read_csv('music_log.csv')
df = df.rename(columns={'  user_id':'user_id','total play':'total_play','Artist':'artist'})

Задача №3

Проверьте результат изменений. Запросите для df атрибут columns.

import pandas as pd
df = pd.read_csv('music_log.csv')
df = df.rename(columns={'  user_id':'user_id','total play':'total_play','Artist':'artist'})
print(df.columns)

 10.4 Обработка пропущенных значений

 10.5 Яндекс музыка. Пропущенные значения

Задача №1

Получите общую информацию о датасете df с помощью соответствующего метода.

import pandas as pd
df = pd.read_csv('music_log_upd_col.csv')
df.info()

Задача №2

import pandas as pd
df = pd.read_csv('music_log_upd_col.csv')
print(df.isna().sum())

Задача №3

Исправить источник данных в учебной работе не получится. Придётся работать с теми данными, что есть. Для исследования важно сохранить содержание столбца genre_name. Если по какой-то причине имя исполнителя и название трека оказались упущены, а жанр композиции известен, эту строку надо сберечь. Заполните отсутствующие значения столбца track_name строкой 'unknown'.

import pandas as pd
df = pd.read_csv('music_log_upd_col.csv')
df['track_name'] = df['track_name'].fillna('unknown')

Задача №4

Заполните отсутствующие значения столбца artist_name словом 'unknown'.

import pandas as pd
df = pd.read_csv('music_log_upd_col.csv')
df['track_name'] = df['track_name'].fillna('unknown')
df['artist_name'] = df['artist_name'].fillna('unknown')

Задача №5

Удалите строки, в которых отсутствует значение в столбце genre_name. Не забудьте записать результат обратно в переменную df.

import pandas as pd
df = pd.read_csv('music_log_upd_col.csv')
df['track_name'] = df['track_name'].fillna('unknown')
df['artist_name'] = df['artist_name'].fillna('unknown')
df = df.dropna(subset=['genre_name'])

Задача №6

Проверьте полученный результат. Ещё раз получите общую информацию о датафрейме.

import pandas as pd
df = pd.read_csv('music_log_upd_col.csv')

df['track_name'] = df['track_name'].fillna('unknown')
df['artist_name'] = df['artist_name'].fillna('unknown')
df = df.dropna(subset = ['genre_name'])

# напишите ваш код здесь
df.info()

 10.6 Обработка дубликатов

 10.7 Яндекс музыка. Дубликаты

Задача №1

Сохраните размер таблицы в переменной shape_table.

import pandas as pd
df = pd.read_csv('music_log_upd_nan.csv')
shape_table = df.shape

Задача №2

Посчитайте и выведите на экран суммарное количество явных дубликатов в таблице.

import pandas as pd
df = pd.read_csv('music_log_upd_nan.csv')
shape_table = df.shape
print(df.duplicated().sum())

Задача №3

Не удаляя код из предыдущего задания, избавьтесь от дубликатов. Вызовите метод reset_index(drop=True) , чтобы обновить индексы строк и удалить колонку со старыми индексами.

import pandas as pd
df = pd.read_csv('music_log_upd_nan.csv')
shape_table = df.shape
print(df.duplicated().sum())
df = df.drop_duplicates().reset_index(drop=True) 

Задание №4

Теперь очередь неявных дубликатов. Получите уникальные значения столбца genre_name методом unique(). Просмотрите результат и найдите название жанра, которое выглядит как неявный дубликат.

import pandas as pd
df = pd.read_csv('music_log_upd_nan.csv')
print(sorted(df['genre_name'].unique()))

Задание №5

В столбце genre_name замените значение 'электроника' на 'electronic' .

import pandas as pd
df = pd.read_csv('music_log_upd_nan.csv')
print (df['genre_name'].unique())
df['genre_name'] = df['genre_name'].replace('электроника','electronic')

Задача №6

Теперь оцените изменения: пересчитайте количество значений 'электроника' в столбце genre_name. Если удалось заменить все значения 'электроника' на 'electronic', то результат вывода должен быть 0.

После применения логической индексации не забудьте выбрать нужный столбец, чтобы считать значения для столбца, а не для всей таблицы. Сохраните результат в переменной genre_final_count. Вывод значения на экран уже есть в коде.

import pandas as pd
df = pd.read_csv('music_log_upd_nan.csv')

print(df['genre_name'].unique())

df['genre_name'] = df['genre_name'].replace('электроника', 'electronic')
# посчитайте genre_final_count здесь

genre_final_count = df[df['genre_name'] == 'электроника']
genre_final_count = genre_final_count['genre_name'].count()
print(genre_final_count)

 10.8 Лаборатория алгоритма обработки

Задача №1

Выполните предобработку данных для Яндекс Музыки:

Импортируйте библиотеку pandas.

Считайте csv-файл music_log.csv.

Переименуйте три столбца: ' user_id' → 'user_id'; 'total play' → 'total_play'; 'Artist' → 'artist'.

Заполните отсутствующие значения в столбцах track, artist и genre.

Удалите строки-дубликаты, при этом удалите старую индексацию и добавьте новую.

Выведите на экран первые 20 строк обновлённого датафрейма.

# импортируйте библиотеку pandas
import pandas as pd
# считайте csv-файл 'music_log.csv' в переменную df
df = pd.read_csv('music_log.csv')
# переименуйте названия столбцов df
df = df.rename(columns={'  user_id':'user_id','total play':'total_play','Artist':'artist'})
# объявите список columns_to_replace с названиями столбцов track, artist, genre
columns_to_replace = ['track', 'artist', 'genre']
# заполните отсутствующие значения столбцов из списка columns_to_replace значением 'unknown' в цикле
for column in columns_to_replace:
    df[column] = df[column].fillna('unknown')
# удалите строки-дубликаты из датафрейма df
df = df.drop_duplicates().reset_index(drop=True) 
# выведите на экран первые 20 строчек обновлённого набора данных df
print(df.head(20))

 10.9 Заключение

Результат работы Вы избавились от самого вредоносного «мусора»: пропусков и дубликатов. При этом достаточно бережно, чтобы не пострадала самая нужная информация. Всё ради анализа данных — теперь можно начинать исследование. Что дальше Предстоит самая насыщенная математикой и одновременно самая творческая часть работы, потому что здесь начинается настоящее исследование. На память Чтобы ничего не забыть, скачайте шпаргалку.

 10.10 Проверочные задания. Предобработка данных

11. Анализ данных и оформление результатов.

Вернуться в Начало статьи

 11.1 Введение

 11.2 Задача: Обновление яндекс музыки

 11.3 Яндекс музыка. Работа с предобработанными данными

Задача №1

Файл music_log_upd.csv хранит данные, которые прошли предобработку в предыдущей теме. Прочитайте данные из файла music_log_upd.csv и выведите на экран первые 15 строк.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

Задача №2

Получите список названий колонок таблицы df через атрибут columns. Результат выведите на экран.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')
print(df.columns)

Задача №3

С помощью метода isna() посчитайте пустые значения в таблице df. Результат сохраните в переменной na_number и выведите на экран.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')
na_number = df.isna().sum()
print (na_number)

Задача №4

Посчитайте количество дубликатов в наборе данных, сохраните результат в переменной duplicated_number. Выведите её значение на экран

import pandas as pd
df = pd.read_csv('music_log_upd.csv')
duplicated_number = df.duplicated().sum()
print (duplicated_number)

 11.4 Группировка данных

 11.5 Яндекс  музыка. Группировка данных

Задача №1

Сгруппируйте данные в датафрейме df по столбцу user_id, выберите столбец genre_name, а затем примените метод count(). Сохраните результат в переменную track_grouping. Так вы посчитаете количество композиций, которые слушал каждый пользователь. На экран будет выведена информация о количестве композиций для первых 30 пользователей — код вывода данных уже есть.

import pandas as pd

df = pd.read_csv('music_log_upd.csv')

# напишите ваш код здесь
track_grouping = df.groupby('user_id')['genre_name'].count()

print(track_grouping.head(30))

Задача №2

Предположим, что музыкальные вкусы разнообразнее у тех пользователей, которые слушают больше 50 песен. Нужно найти этих пользователей.

В предыдущем задании вы получили столбец-Series, содержащий целые числа — количество прослушанных композиций для каждого пользователя. С помощью логической индексации получите Series, в котором останутся только пользователи из track_grouping, которые прослушали более 50 композиций. Сохраните получившийся после индексации столбец-Series в переменную track_counting. Код вывода результата уже есть.

import pandas as pd

df = pd.read_csv('music_log_upd.csv')

track_grouping = df.groupby('user_id')['genre_name'].count()
# напишите ваш код здесь
track_counting = track_grouping[track_grouping >50]

print(track_counting)

 11.6 Сортировка данных

Задача №1

У похожей на Солнце звезды телескоп Kepler открыл похожую на Землю планету.
А в прошлом уроке с практикой вы нашли в данных Яндекс Музыки меломанов с уникальными данными. 
Они за день послушали больше 50 композиций.

Больше всего композиций (86) прослушал пользователь с идентификатором 174C0ED6.
Получите таблицу с прослушанными им треками.

Для этого запросите из структуры данных df строки, отвечающие сразу двум условиям:
значение в столбце 'user_id' должно быть равно значению переменной search_user_id;
время прослушивания, значение в столбце 'total_play_seconds', не должно равняться 0.
Сохраните результат в переменной music_user.

import pandas as pd

df = pd.read_csv('music_log_upd.csv')

search_user_id = '174C0ED6'

# напишите ваш код здесь
music_user = df[df['user_id']==search_user_id]
music_user = music_user[music_user['total_play_seconds']!=0]
print(music_user)

Задача №2

Сгруппируйте данные таблицы music_user по столбцу 'genre_name' и получите сумму значений столбца 'total_play_seconds'. Сохраните результат в переменной sum_music_user. Код вывода уже есть — вы увидите, сколько пользователь слушал каждый жанр.

import pandas as pd

df = pd.read_csv('music_log_upd.csv')

search_user_id = '174C0ED6'

music_user = df[df['user_id'] == search_user_id]
music_user = music_user[music_user['total_play_seconds'] != 0]

# напишите ваш код здесь
sum_music_user = music_user.groupby('genre_name')
sum_music_user = sum_music_user['total_play_seconds'].sum()
print(sum_music_user)

Задача №3

Предпочтения меломана начинают проявляться. Но, возможно, длительность композиций от жанра к жанру сильно различается. 
Также важно знать, сколько треков каждого жанра он включил.

Сгруппируйте данные по столбцу genre_name и посчитайте значения в нём. Сохраните результат в переменной count_music_user. Код вывода результата уже есть. 
Не удаляйте вывод из предыдущего задания. Вы увидите два столбца — с суммарной длительностью прослушиваний каждого жанра и количеством прослушанных треков каждого жанра — друг за другом.

import pandas as pd

df = pd.read_csv('music_log_upd.csv')

search_user_id = '174C0ED6'

music_user = df[df['user_id'] == search_user_id]
music_user = music_user[music_user['total_play_seconds'] != 0]

sum_music_user = music_user.groupby('genre_name')['total_play_seconds'].sum()
print(sum_music_user)

# напишите ваш код здесь
count_music_user = music_user.groupby('genre_name')['total_play_seconds'].count()
print(count_music_user)

Задача №4

Чтобы предпочтения были видны сразу, самые большие значения нужно расположить сверху.
Отсортируйте данные в группировке sum_music_user по убыванию. 
Когда применяете метод sort_values() к Series с единственным столбцом, передавать аргумент в by не нужно — только порядок сортировки в ascending.
Сохраните результат сортировки в переменной final_sum.

import pandas as pd

df = pd.read_csv('music_log_upd.csv')

search_user_id = '174C0ED6'

music_user = df[df['user_id'] == search_user_id]
music_user = music_user[music_user['total_play_seconds'] != 0]

sum_music_user = music_user.groupby('genre_name')['total_play_seconds'].sum()

# напишите ваш код здесь'
final_sum = sum_music_user.sort_values(ascending=False)
print(final_sum)

Задача №5

Теперь то же самое сделайте с числом прослушанных меломаном композиций. Отсортируйте данные группировки count_music_user по убыванию и сохраните результат в переменной final_count. Код вывода уже есть.

import pandas as pd

df = pd.read_csv('music_log_upd.csv')

search_user_id = '174C0ED6'

music_user = df[df['user_id'] == search_user_id]
music_user = music_user[music_user['total_play_seconds'] != 0]

count_music_user = music_user.groupby('genre_name')['genre_name'].count()

# напишите ваш код здесь
final_count = count_music_user.sort_values(ascending=False)
print(final_count)

 11.7 Яндекс музыка. Сортировка данных

 11.8 Описательная статистика

 11.9 Яндекс музыка. Описательная статистика

Задача №1

Получите таблицу с композициями самого популярного жанра — pop.

Затем исключите пропущенные треки — которые слушали 0 секунд.

Сохраните результат в переменной pop_music.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

pop_music = df[df['genre_name']=='pop']
pop_music = pop_music[pop_music['total_play_seconds']!=0]

Задача №2

Найдите максимальное время прослушивания песни в жанре pop.

Сохраните результат в переменной pop_music_max_total_play и выведите её значение на экран.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

pop_music = df[df['genre_name']=='pop']
pop_music = pop_music[pop_music['total_play_seconds']!=0]
pop_music_max_total_play = pop_music['total_play_seconds'].max()
print (pop_music_max_total_play)

Задача №3

Получите из таблицы pop_music строку с максимальным временем прослушивания.

Результат сохраните в переменной pop_music_max_info и выведите на экран.

Закомментируйте вывод результата предыдущей задачи.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

pop_music = df[df['genre_name']=='pop']
pop_music = pop_music[pop_music['total_play_seconds']!=0]
pop_music_max_total_play = pop_music['total_play_seconds'].max()
#print (pop_music_max_total_play)
pop_music_max_info = pop_music[pop_music['total_play_seconds'] == pop_music['total_play_seconds'].max()]
print (pop_music_max_info)

Задача №4

Найдите минимальное время прослушивания композиции в жанре pop, отличное от нуля.

Сохраните его в переменной pop_music_min_total_play, значение выведите на экран.

Вывод результата предыдущей задачи закомментируйте.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

pop_music = df[df['genre_name']=='pop']
pop_music = pop_music[pop_music['total_play_seconds']!=0]
pop_music_max_total_play = pop_music['total_play_seconds'].max()
#print (pop_music_max_total_play)
pop_music_max_info = pop_music[pop_music['total_play_seconds'] == pop_music['total_play_seconds'].max()]
#print (pop_music_max_info)
pop_music_min_total_play = pop_music['total_play_seconds'].min()
print (pop_music_min_total_play)

Задача №5

Выведите на экран строку о композиции жанра pop, которую начали слушать, но выключили быстрее всех остальных. Результат сохраните в переменную pop_music_min_info и выведите на экран. Вывод результата предыдущей задачи закомментируйте.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

pop_music = df[df['genre_name']=='pop']
pop_music = pop_music[pop_music['total_play_seconds']!=0]
pop_music_max_total_play = pop_music['total_play_seconds'].max()
#print (pop_music_max_total_play)
pop_music_max_info = pop_music[pop_music['total_play_seconds'] == pop_music['total_play_seconds'].max()]
#print (pop_music_max_info)
pop_music_min_total_play = pop_music['total_play_seconds'].min()
#print (pop_music_min_total_play)
pop_music_min_info = pop_music[pop_music['total_play_seconds'] == pop_music['total_play_seconds'].min()]
print (pop_music_min_info)

Задача №6

Рассчитайте медиану времени прослушивания произведений жанра pop. Сохраните результат в переменной pop_music_median и выведите на экран. Вывод результата предыдущей задачи закомментируйте.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

pop_music = df[df['genre_name']=='pop']
pop_music = pop_music[pop_music['total_play_seconds']!=0]
pop_music_max_total_play = pop_music['total_play_seconds'].max()
#print (pop_music_max_total_play)
pop_music_max_info = pop_music[pop_music['total_play_seconds'] == pop_music['total_play_seconds'].max()]
#print (pop_music_max_info)
pop_music_min_total_play = pop_music['total_play_seconds'].min()
#print (pop_music_min_total_play)
pop_music_min_info = pop_music[pop_music['total_play_seconds'] == pop_music['total_play_seconds'].min()]
#print (pop_music_min_info)
pop_music_median = pop_music['total_play_seconds'].median()
print(pop_music_median)

Задача №7

Рассчитайте среднее арифметическое времени прослушивания произведений жанра pop. Сохраните результат в переменной pop_music_mean и выведите на экран.

Вывод результата предыдущей задачи закомментируйте.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

pop_music = df[df['genre_name']=='pop']
pop_music = pop_music[pop_music['total_play_seconds']!=0]
pop_music_max_total_play = pop_music['total_play_seconds'].max()
#print (pop_music_max_total_play)
pop_music_max_info = pop_music[pop_music['total_play_seconds'] == pop_music['total_play_seconds'].max()]
#print (pop_music_max_info)
pop_music_min_total_play = pop_music['total_play_seconds'].min()
#print (pop_music_min_total_play)
pop_music_min_info = pop_music[pop_music['total_play_seconds'] == pop_music['total_play_seconds'].min()]
#print (pop_music_min_info)
pop_music_median = pop_music['total_play_seconds'].median()
#print(pop_music_median)
pop_music_mean = pop_music['total_play_seconds'].mean()
print(pop_music_mean)

 11.10 Яндекс музыка. Решение кейса и оформление результатов

Задача №1

Рассчитайте метрику engagement после проведения эксперимента для всего набора данных. Сохраните полученный результат в переменной current_engagement и выведите на экран.

import pandas as pd
df = pd.read_csv('music_log_upd.csv')
current_engagement = df.groupby('user_id').sum().median()
print (current_engagement)

Задача №2

Внесите результат своей работы в существующую таблицу и рассчитайте разность двух значений метрики engagement. Названия столбцов:

metrics — метрика;

before_test — до эксперимента;

after_test — после эксперимента;

absolute_difference — абсолютная разница.

Вместо нулей подставьте текущие значения параметров:

Значение метрики engagement после эксперимента: 62.344431 секунды.

Значение метрики engagement до эксперимента: 57.456 секунды.

import pandas as pd
exp = [['engagement', 57.456, 62.344431, 4.888431]]
columns = ['metrics','before_test','after_test','absolute_difference']

metrics = pd.DataFrame(data=exp,columns=columns)
print(metrics)

Задача №3

Получите выборку прослушанных композиций в жанре рок, время воспроизведения которых не равно нулю, и сохраните её в переменной genre_rock. Получите максимальное и минимальное значения времени прослушивания, сохраните соответственно в переменных genre_rock_max и genre_rock_min, выведите на экран со строками: 'Максимальное время прослушивания в жанре рок равно:' 'Минимальное время прослушивания в жанре рок равно:'

import pandas as pd
df = pd.read_csv('music_log_upd.csv')

# <введите здесь решение для поиска недостающих данных>
genre_rock = df[df['genre_name']=='rock']
genre_rock = genre_rock[genre_rock['total_play_seconds']!=0]
# максимальное время прослушивания в жанре рок
genre_rock_max = genre_rock['total_play_seconds'].max()
print ('Максимальное время прослушивания в жанре рок равно:',genre_rock_max)
# минимальное время прослушивания в жанре рок
genre_rock_min = genre_rock['total_play_seconds'].min()
print ('Минимальное время прослушивания в жанре рок равно:',genre_rock_min)

Задача №4

Соберите результаты исследования в таблицу research_genres_result, которую нужно создать конструктором DataFrame(). Его аргумент data — список с данными, аргумент columns — список названий столбцов. Выведите полученную таблицу на экран.

import pandas as pd
data = [['pop', 8663, 34.6, 1158.03, 0.000794],
       ['rock', 6828, 33.3, 1699.14882, 0.014183]]
columns = ['genre_name','total_track','skip_track','max_total_time','min_total_time']
research_genres_result = pd.DataFrame(data=data,columns=columns)
print (research_genres_result)

 11.11 Заключение

Вы нашли ответ на интересующий вопрос.

Фундамент владения библиотекой pandas заложен и пригодится вам на всех стадиях анализа данных. Для предобработки вы умеете пользоваться методами избавления от пропусков и дубликатов, а для анализа — методами группировки и сортировки.

на иллюстрации показано, что Pandas включает в себя:

чтение данных,

предобработку данных,

анализ данных и

оформление результатов.

Теперь слово тому, чью задачу мы решали последние несколько уроков.

Менеджер Яндекс Музыки просил передать:

На иллюстрации показано сообщение менеджера Яндекс Музыки, в котором он благодарит вас за отличную работу.

Было непросто, но вы справились с неподготовленными данными и собрали полезную статистику. Вы прошли все стадии анализа — от постановки задачи до оформления результатов. Формат подачи результатов подходящий: сразу видны важнейшие цифры.

Как видите, метрика engagement выросла. Стало быть, внедрение Радио — действительно хорошая идея. На память Чтобы ничего не забыть, скачайте шпаргалку.

 11.12 Проверочные задания. Анализ данных и оформление результатов

12 Jupyter Notebook

Вернуться в Начало статьи

 12.1 Jupyter Notebook - Тетрадь в ячейках

13. Проект: Музыка больших городов

Вернуться в Начало статьи

 13.1 Первое исследование

 13.2 Описание проекта

 13.3 Не делайте проект*

Шпаргалки

В процессе работы над проектом вам могут понадобиться шпаргалки, чтобы вспомнить синтаксис и назначение различных методов и конструкций. Для удобства собрали их в одном месте:

• Переменные и типы данных
• Строки
• Списки
• Цикл for
• Вложенные списки
• Условный оператор
• Функции
• Словари
• Pandas для анализа данных
• Предобработка данных
• Анализ данных и оформление результатов

 13.4 Проект Базовый Python

# импорт библиотеки pandas
import pandas  as pd

# чтение файла с данными и сохранение в df
#df = pd.read_csv('/datasets/yandex_music_project.csv')
df = pd.read_csv('datasets/music_project.csv')

# получение первых 10 строк таблицы df
df.head(10)

# получение общей информации о данных в таблице df
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 65079 entries, 0 to 65078
Data columns (total 8 columns):
 #   Column      Non-Null Count  Dtype 
---  ------      --------------  ----- 
 0   Unnamed: 0  65079 non-null  int64 
 1     userID    65079 non-null  object
 2   Track       63848 non-null  object
 3   artist      57876 non-null  object
 4   genre       63881 non-null  object
 5     City      65079 non-null  object
 6   time        65079 non-null  object
 7   Day         65079 non-null  object
dtypes: int64(1), object(7)
memory usage: 4.0+ MB

Количество значений в столбцах различается. Значит, в данных есть пропущенные значения.

# Напишите ваш ответ здесь комментарием. Не удаляйте символ 
#. Не меняйте тип этой ячейки на Markdown.

# для совпадения заданий с практическим удалим столбец Unnamed: 0
df = df.drop(['Unnamed: 0'], axis=1)

2.1 Переименование столбцов

# перечень названий столбцов таблицы df
df.columns

Index([' userID', 'Track', 'artist', 'genre', ' City ', 'time', 'Day'], dtype='object')

# переименование столбцов
df  = df.rename(columns={'  userID':'user_id','Track':'track','  City  ':'city','Day':'day' })
df.columns

Index(['user_id', 'track', 'artist', 'genre', 'city', 'time', 'day'], dtype='object')

# проверка результатов - перечень названий столбцов
df.columns

# подсчёт пропусков
df.isna().sum()

track      1231
artist     7203
genre      1198
city          0
time          0
day           0
dtype: int64

# замена пропущенных значений на 'unknown'
columns_to_replace = ['track','artist','genre']
​
for column in columns_to_replace:
    df[column] = df[column].fillna('unknown')

# проверка на отсутствие пропусков
df.isna().sum()

track      0
artist     0
genre      0
city       0
time       0
day        0
dtype: int64

# подсчёт явных дубликатов
df.duplicated().sum()

# удаление явных дубликатов, создание новых индексов и удаление старых
df = df.drop_duplicates().reset_index(drop=True)

Задание 14

# проверка на отсутствие явных дубликатов
df.duplicated().sum()

0

# просмотр уникальных отсортированных названий жанров
df['genre'].sort_values(ascending = True).unique()

array(['acid', 'acoustic', 'action', 'adult', 'africa', 'afrikaans',

       'alternative', 'alternativepunk', 'ambient', 'americana',
       'animated', 'anime', 'arabesk', 'arabic', 'arena',
       'argentinetango', 'art', 'audiobook', 'author', 'avantgarde',
       'axé', 'baile', 'balkan', 'beats', 'bigroom', 'black', 'bluegrass',
       'blues', 'bollywood', 'bossa', 'brazilian', 'breakbeat', 'breaks',
       'broadway', 'cantautori', 'cantopop', 'canzone', 'caribbean',
       'caucasian', 'celtic', 'chamber', 'chanson', 'children', 'chill',
       'chinese', 'choral', 'christian', 'christmas', 'classical',
       'classicmetal', 'club', 'colombian', 'comedy', 'conjazz',
       'contemporary', 'country', 'cuban', 'dance', 'dancehall',
       'dancepop', 'dark', 'death', 'deep', 'deutschrock', 'deutschspr',
       'dirty', 'disco', 'dnb', 'documentary', 'downbeat', 'downtempo',
       'drum', 'dub', 'dubstep', 'eastern', 'easy', 'electronic',
       'electropop', 'emo', 'entehno', 'epicmetal', 'estrada', 'ethnic',
       'eurofolk', 'european', 'experimental', 'extrememetal', 'fado',
       'fairytail', 'film', 'fitness', 'flamenco', 'folk', 'folklore',
       'folkmetal', 'folkrock', 'folktronica', 'forró', 'frankreich',
       'französisch', 'french', 'funk', 'future', 'gangsta', 'garage',
       'german', 'ghazal', 'gitarre', 'glitch', 'gospel', 'gothic',
       'grime', 'grunge', 'gypsy', 'handsup', "hard'n'heavy", 'hardcore',
       'hardstyle', 'hardtechno', 'hip', 'hiphop', 'historisch',
       'holiday', 'horror', 'house', 'hymn', 'idm', 'independent',
       'indian', 'indie', 'indipop', 'industrial', 'inspirational',
       'instrumental', 'international', 'irish', 'jam', 'japanese',
       'jazz', 'jewish', 'jpop', 'jungle', 'k-pop', 'karadeniz',
       'karaoke', 'kayokyoku', 'korean', 'laiko', 'latin', 'latino',
       'leftfield', 'local', 'lounge', 'loungeelectronic', 'lovers',
       'malaysian', 'mandopop', 'marschmusik', 'meditative',
       'mediterranean', 'melodic', 'metal', 'metalcore', 'mexican',
       'middle', 'minimal', 'miscellaneous', 'modern', 'mood', 'mpb',
       'muslim', 'native', 'neoklassik', 'neue', 'new', 'newage',
       'newwave', 'nu', 'nujazz', 'numetal', 'oceania', 'old', 'opera',
       'orchestral', 'other', 'piano', 'podcasts', 'pop', 'popdance',
       'popelectronic', 'popeurodance', 'poprussian', 'post',
       'posthardcore', 'postrock', 'power', 'progmetal', 'progressive',
       'psychedelic', 'punjabi', 'punk', 'quebecois', 'ragga', 'ram',
       'rancheras', 'rap', 'rave', 'reggae', 'reggaeton', 'regional',
       'relax', 'religious', 'retro', 'rhythm', 'rnb', 'rnr', 'rock',
       'rockabilly', 'rockalternative', 'rockindie', 'rockother',
       'romance', 'roots', 'ruspop', 'rusrap', 'rusrock', 'russian',
       'salsa', 'samba', 'scenic', 'schlager', 'self', 'sertanejo',
       'shanson', 'shoegazing', 'showtunes', 'singer', 'ska', 'skarock',
       'slow', 'smooth', 'soft', 'soul', 'soulful', 'sound', 'soundtrack',
       'southern', 'specialty', 'speech', 'spiritual', 'sport',
       'stonerrock', 'surf', 'swing', 'synthpop', 'synthrock',
       'sängerportrait', 'tango', 'tanzorchester', 'taraftar', 'tatar',
       'tech', 'techno', 'teen', 'thrash', 'top', 'traditional',
       'tradjazz', 'trance', 'tribal', 'trip', 'triphop', 'tropical',
       'türk', 'türkçe', 'ukrrock', 'unknown', 'urban', 'uzbek',
       'variété', 'vi', 'videogame', 'vocal', 'western', 'world',
       'worldbeat', 'ïîï', 'электроника'], dtype=object)

# Устранение неявных дубликатов
df['genre'] = df['genre'].replace(['hip', 'hop', 'hip-hop'], 'hiphop')

Задание 17

# проверка на отсутствие неявных дубликатов
df['genre'].sort_values(ascending = True).unique()

       'alternative', 'alternativepunk', 'ambient', 'americana',
       'animated', 'anime', 'arabesk', 'arabic', 'arena',
       'argentinetango', 'art', 'audiobook', 'author', 'avantgarde',
       'axé', 'baile', 'balkan', 'beats', 'bigroom', 'black', 'bluegrass',
       'blues', 'bollywood', 'bossa', 'brazilian', 'breakbeat', 'breaks',
       'broadway', 'cantautori', 'cantopop', 'canzone', 'caribbean',
       'caucasian', 'celtic', 'chamber', 'chanson', 'children', 'chill',
       'chinese', 'choral', 'christian', 'christmas', 'classical',
       'classicmetal', 'club', 'colombian', 'comedy', 'conjazz',
       'contemporary', 'country', 'cuban', 'dance', 'dancehall',
       'dancepop', 'dark', 'death', 'deep', 'deutschrock', 'deutschspr',
       'dirty', 'disco', 'dnb', 'documentary', 'downbeat', 'downtempo',
       'drum', 'dub', 'dubstep', 'eastern', 'easy', 'electronic',
       'electropop', 'emo', 'entehno', 'epicmetal', 'estrada', 'ethnic',
       'eurofolk', 'european', 'experimental', 'extrememetal', 'fado',
       'fairytail', 'film', 'fitness', 'flamenco', 'folk', 'folklore',
       'folkmetal', 'folkrock', 'folktronica', 'forró', 'frankreich',
       'französisch', 'french', 'funk', 'future', 'gangsta', 'garage',
       'german', 'ghazal', 'gitarre', 'glitch', 'gospel', 'gothic',
       'grime', 'grunge', 'gypsy', 'handsup', "hard'n'heavy", 'hardcore',
       'hardstyle', 'hardtechno', 'hiphop', 'historisch', 'holiday',
       'horror', 'house', 'hymn', 'idm', 'independent', 'indian', 'indie',
       'indipop', 'industrial', 'inspirational', 'instrumental',
       'international', 'irish', 'jam', 'japanese', 'jazz', 'jewish',
       'jpop', 'jungle', 'k-pop', 'karadeniz', 'karaoke', 'kayokyoku',
       'korean', 'laiko', 'latin', 'latino', 'leftfield', 'local',
       'lounge', 'loungeelectronic', 'lovers', 'malaysian', 'mandopop',
       'marschmusik', 'meditative', 'mediterranean', 'melodic', 'metal',
       'metalcore', 'mexican', 'middle', 'minimal', 'miscellaneous',
       'modern', 'mood', 'mpb', 'muslim', 'native', 'neoklassik', 'neue',
       'new', 'newage', 'newwave', 'nu', 'nujazz', 'numetal', 'oceania',
       'old', 'opera', 'orchestral', 'other', 'piano', 'podcasts', 'pop',
       'popdance', 'popelectronic', 'popeurodance', 'poprussian', 'post',
       'posthardcore', 'postrock', 'power', 'progmetal', 'progressive',
       'psychedelic', 'punjabi', 'punk', 'quebecois', 'ragga', 'ram',
       'rancheras', 'rap', 'rave', 'reggae', 'reggaeton', 'regional',
       'relax', 'religious', 'retro', 'rhythm', 'rnb', 'rnr', 'rock',
       'rockabilly', 'rockalternative', 'rockindie', 'rockother',
       'romance', 'roots', 'ruspop', 'rusrap', 'rusrock', 'russian',
       'salsa', 'samba', 'scenic', 'schlager', 'self', 'sertanejo',
       'shanson', 'shoegazing', 'showtunes', 'singer', 'ska', 'skarock',
       'slow', 'smooth', 'soft', 'soul', 'soulful', 'sound', 'soundtrack',
       'southern', 'specialty', 'speech', 'spiritual', 'sport',
       'stonerrock', 'surf', 'swing', 'synthpop', 'synthrock',
       'sängerportrait', 'tango', 'tanzorchester', 'taraftar', 'tatar',
       'tech', 'techno', 'teen', 'thrash', 'top', 'traditional',
       'tradjazz', 'trance', 'tribal', 'trip', 'triphop', 'tropical',
       'türk', 'türkçe', 'ukrrock', 'unknown', 'urban', 'uzbek',
       'variété', 'vi', 'videogame', 'vocal', 'western', 'world',
       'worldbeat', 'ïîï', 'электроника'], dtype=object)

# подсчёт прослушиваний в каждом городе
df.groupby('city')['user_id'].count()

Moscow              42741
Saint-Petersburg    18512
Name: user_id, dtype: int64

# подсчёт прослушиваний в каждый из трёх дней
df.groupby('day')['user_id'].count()

day

Friday       21840
Monday       21354
Wednesday    18059
Name: user_id, dtype: int64

def number_tracks(day, city):
    # выберите только строки df со значением переменной day в столбце day
    track_list = df[df['day']==day]
    # выберите только строки track_list со значением переменной city в столбце city
    track_list = track_list[track_list['city']==city]
    # вызовите метод подсчета строк для track_list и выберите столбец user_id
    track_list_count = track_list['user_id'].count()
    # верните значение track_list_count из функции
    return track_list_count

Задание 21

# количество прослушиваний в Москве по понедельникам
number_tracks(day='Monday', city='Moscow')

15740

# количество прослушиваний в Санкт-Петербурге по понедельникам
number_tracks(day='Monday', city='Saint-Petersburg')

5614

# количество прослушиваний в Москве по средам
number_tracks(day='Wednesday', city='Moscow')

11056

# количество прослушиваний в Санкт-Петербурге по средам
number_tracks(day='Wednesday', city='Saint-Petersburg')

7003

# количество прослушиваний в Москве по пятницам
number_tracks(day='Friday', city='Moscow')

15945

# количество прослушиваний в Санкт-Петербурге по пятницам
number_tracks(day='Friday', city='Saint-Petersburg')

5895

# создание таблицы с результатами
info = info = pd.DataFrame(data=[['Москва',15750,11056,15945], ['Санкт-Петербург',5614,7003,5895]], columns=['city', 'monday','wednesday','friday'])
# вывод таблицы на экран
info()

# получение таблицы moscow_general из тех строк таблицы df, для которых значение в столбце 'city' равно 'Moscow'
moscow_general = df[df['city']=='Moscow']

# получение таблицы spb_general из тех строк таблицы df, для которых значение в столбце 'city' равно 'Saint-Petersburg'
spb_general = df[df['city']=='Saint-Petersburg']

Задание 24

def genre_weekday(df, day, time1, time2):
    # последовательная фильтрация
    # оставляем в genre_df только те строки df, у которых день равен day
    genre_df = df[df['day']==day]# ваш код здесь
    # оставляем в genre_df только те строки genre_df, у которых время меньше time2
    genre_df = genre_df[genre_df['time']<time2] # ваш код здесь
    # оставляем в genre_df только те строки genre_df, у которых время больше time1
    genre_df = genre_df[genre_df['time']>time1] # ваш код здесь
    # сгруппируем отфильтрованный датафрейм по столбцу с названиями жанров, возьмём столбец genre и посчитаем кол-во строк для каждого жанра методом count()
    genre_df_grouped = genre_df.groupby('genre')['genre'].count() # ваш код здесь
    # отсортируем результат по убыванию (чтобы в начале Series оказались самые популярные жанры)
    genre_df_sorted = genre_df_grouped.sort_values(ascending=False) # ваш код здесь
    # вернём Series с 10 самыми популярными жанрами в указанный отрезок времени заданного дня
    return genre_df_sorted[:10]

# вызов функции для утра понедельника в Москве (вместо df — таблица moscow_general)
genre_weekday(moscow_general, 'Monday', '07:00', '11:00')

genre
pop            781
dance          549
electronic     480
rock           474
hiphop         286
ruspop         186
world          181
rusrap         175
alternative    164
unknown        161
Name: genre, dtype: int64

# вызов функции для утра понедельника в Петербурге (вместо df — таблица spb_general)
genre_weekday(spb_general, 'Monday', '07:00', '11:00')

genre
pop            218
dance          182
rock           162
electronic     147
hiphop          80
ruspop          64
alternative     58
rusrap          55
jazz            44
classical       40
Name: genre, dtype: int64

# вызов функции для вечера пятницы в Москве
genre_weekday(moscow_general, 'Friday', '17:00', '23:00')

genre
pop            713
rock           517
dance          495
electronic     482
hiphop         273
world          208
ruspop         170
alternative    163
classical      163
rusrap         142
Name: genre, dtype: int64

# вызов функции для вечера пятницы в Петербурге
genre_weekday(spb_general, 'Friday', '17:00', '23:00')

genre
pop            256
electronic     216
rock           216
dance          210
hiphop          97
alternative     63
jazz            61
classical       60
rusrap          59
world           54
Name: genre, dtype: int64

# одной строкой: группировка таблицы moscow_general по столбцу 'genre', выбор столбца `genre`, подсчёт числа значений 'genre' методом count(), сохранение в moscow_genres
# сортировка получившегося Series в порядке убывания и сохранение обратно в moscow_genres
moscow_genres = moscow_general.groupby('genre')['genre'].count().sort_values(ascending = False)

# просмотр первых 10 строк moscow_genres
moscow_genres.head(10)

genre
pop            5892
dance          4435
rock           3965
electronic     3786
hiphop         2096
classical      1616
world          1432
alternative    1379
ruspop         1372
rusrap         1161
Name: genre, dtype: int64

# одной строкой: группировка таблицы spb_general по столбцу 'genre', выбор столбца `genre`, подсчёт числа значений 'genre' методом count(), сохранение в spb_genres
# сортировка получившегося Series в порядке убывания и сохранение обратно в spb_genres
spb_genres = spb_general.groupby('genre')['genre'].count().sort_values(ascending = False)

# просмотр первых 10 строк spb_genres
spb_genres.head(10)

genre
pop            2431
dance          1932
rock           1879
electronic     1736
hiphop          960
alternative     649
classical       646
rusrap          564
ruspop          538
world           515
Name: genre, dtype: int64

14. Заключение

 14.1 Заключение

 14.2 Обратная связь

Следующая тема: БPy. Переменные и типы данных.

Следующий раздел: Предобработка данных

Вернуться в оглавление: Я.Практикум