L05E02: Data

Vytvořte balíček data, který obsahuje moduly index.py, series.py a dataframe.py. U tříd a metod nezapomínejte na docstringy.

---

Třída Index

Modul index.py obsahuje třídu Index sloužící k indexaci libovolné sekvence hodnot.

from data.index import Index


idx = Index(["key 1", "key 2", "key 3", "key 4", "key 5"])
values = [0, 1, 2, 3, 4]

assert values[idx.get_loc("key 2")] == 1

Třída obsahuje následující vlastnosti:

• Index.labels - seznam klíču (labelů) - nesmí obsahovat duplicity (vyvolá vyjimku ValueError) - musí mít alespoň jeden prvek (jinak vyvolá vyjimku ValueError).
• Index.name - volitelná vlastnost obsahující název indexu, výchozí hodnota na "".

Třída obsahuje následující metody:

• Index.get_loc(self, key) - přeloží klíč key z Index.labels na odpovídající index. Pokud není klíč přítomen vyvoláme výjimku KeyError.

from data.index import Index


idx = Index(["user 1", "user 2", "user 3", "user 4", "user 5"])

assert idx.name == ""
assert idx.labels == ["user 1", "user 2", "user 3", "user 4", "user 5"]

idx = Index(["user 1", "user 2", "user 3", "user 4", "user 5"], name="users")

assert idx.name == "users"
assert idx.labels == ["user 1", "user 2", "user 3", "user 4", "user 5"]

idx = Index(["user 1", "user 2", "user 3", "user 4", "user 5"])

assert idx.get_loc("user 2") == 1

---

Třída Series

Modul series.py obsahuje třídu Series, která uchovává posloupnost hodnot indexovaných dle objektu třídy Index.

from data.series import Series
from data.index import Index

# index
users = Index(["user 1", "user 2", "user 3", "user 4"], name="names")

# series indexovaná dle indexu users
salaries = Series([20000, 300000, 20000, 50000], index=users)

assert salaries.values == [20000, 300000, 20000, 50000]
assert salaries.index.labels == ['user 1', 'user 2', 'user 3', 'user 4']

Třída obsahuje následující vlastnosti:

• Series.values - seznam hodnot uložený v posloupnosti, musí obsahovat alespoň jeden prvek jinak vyvolá ValueError.
• Series.index - index sloužící k indexaci Series.values, musí být stejné délky jako Series.values jinak vyvolá ValueError. Pokud byla počáteční hodnota None vytvoříme index nový, Index.labels nastavíme na hodnoty 0 až n kde n je délka Series.values.

Třída obsahuje následující metody:

• Series.get(self, key) - pokud Series.index obsahuje key, vrátí odpovídající hodnotu z Series.values, jinak vrací None.
• Series.sum(self) - sečte všechny hodnoty v posloupnosti, detailní popis níže
• Series.max(self) - nalezne maximální hodnotu z posloupnosti, detailní popis níže
• Series.min(self) - nalezne minimální hodnotu z posloupnosti, analogicky k max variantě
• Series.mean(self) - vypočítá aritmetický průměr, detailní popis níže
• Series.apply(self, func) - aplikuje libovolnou funkci na prvky posloupnosti, detailní popis níže
• Series.abs(self) - vytvoří novou serii, kde všechny hodnotu budou výsledky aplikace funkce abs(), detailní popis níže

from data.series import Series
from data.index import Index


users = Index(["user 1", "user 2", "user 3", "user 4"], name="names")

names = Series(["Lukas Novak", "Petr Pavel", "Pavel Petr", "Ludek Skocil"], index=users)
cash_flow = Series([-100, 10000, -2000, 1100], index=users)
salaries = Series([20000, 300000, 20000, 50000], index=users)

assert salaries.values == [20000, 300000, 20000, 50000]
assert salaries.index.labels == ['user 1', 'user 2', 'user 3', 'user 4']

# situace kdy nebude předán index
no_index = Series(["Lukas Novak", "Petr Pavel", "Pavel Petr", "Ludek Skocil"])
assert no_index.index.labels == [0, 1, 2, 3]

from data.series import Series
from data.index import Index


users = Index(["user 1", "user 2", "user 3", "user 4"], name="names")

cash_flow = Series([-100, 10000, -2000, 1100], index=users)

assert cash_flow.get("user 1") == -100
assert cash_flow.get("user 1000") is None

Dále bude možné provádět jednoduché operace na datech uložených v Series. Konkrétně:

Metoda Series.max(self)/Series.min(self)

Maximální hodnota v Series. Nemusíte ošetřovat datový typ hodnot v posloupnosti.

from data.series import Series
from data.index import Index


users = Index(["user 1", "user 2", "user 3", "user 4"], name="names")
cash_flow = Series([-100, 10000, -2000, 1100], index=users)

assert cash_flow.max() == 10000
assert cash_flow.min() == -2000

Metoda Series.sum(self)

Součet hodnot v Series. Nemusíte ošetřovat datový typ hodnot v posloupnosti.

from data.series import Series
from data.index import Index


users = Index(["user 1", "user 2", "user 3", "user 4"], name="names")
cash_flow = Series([-100, 10000, -2000, 1100], index=users)

assert cash_flow.sum() == 9000

Metoda Series.mean(self)

Aritmetický průměr hodnot v Series. Nemusíte ošetřovat datový typ hodnot v posloupnosti. Můžete použít modul statistics a funkci mean().

from data.series import Series
from data.index import Index


users = Index(["user 1", "user 2", "user 3", "user 4", "user 5"], name="names")
cash_flow = Series([-100, 10000, -2000, 1100, 100], index=users)

assert cash_flow.mean() == 1820.0

Metoda Series.apply(self, func)

Která aplikuje funkci func na všechny prvky Series a vrátí Series novou (s vypočítanými hodnotami). Původní Series nemodifikuje!

from data.series import Series
from data.index import Index


def squared(a):
    """Returns squared number"""
    return a ** 2


users = Index(["user 1", "user 2", "user 3", "user 4"], name="names")
cash_flow = Series([-100, 10000, -2000, 1100], index=users)

result = cash_flow.apply(squared)

assert cash_flow != result
assert result.values == [10000, 100000000, 4000000, 1210000]

Metoda Series.abs(self)

Která aplikuje funkci abs na všechny prvky Series a vrátí Series novou. Původní Series nemodifikuje! Nemusíte ošetřovat datový typ hodnot v posloupnosti.

from data.series import Series
from data.index import Index


users = Index(["user 1", "user 2", "user 3", "user 4"], name="names")
cash_flow = Series([-100, 10000, -2000, 1100], index=users)

result = cash_flow.abs()

assert cash_flow != result
assert result.values == [100, 10000, 2000, 1100]

---

Třída DataFrame

Modul dataframe.py obsahuje třídu DataFrame, která slouží k reprezentaci tabulky dat. Tabulka je složena ze sloupců (alespoň jeden sloupec, každý sloupec je tvořen instancí třídy Series). Sloupce jsou indexovány pomoci instance třídy Index.

Třída obsahuje následující vlastnosti:

• DataFrame.values - seznam instancí třídy Series, reprezentuje hodnoty sloupců, musí obsahovat alespoň jeden prvek jinak vyvolá ValueError.
• DataFrame.columns - index sloužící k indexaci DataFrame.values, musí být stejné délky jako DataFrame.values jinak vyvolá ValueError. Pokud byla počáteční hodnota None vytvoříme index nový, Index.labels nastavíme na hodnoty 0 až n kde n je délka DataFrame.values.

Třída obsahuje následující metody:

• DataFrame.get(self, key) - pokud DataFrame.columns obsahuje key, vrátí odpovídající sloupec (Series) z DataFrame.values, jinak vrací None.

from data.series import Series
from data.index import Index
from data.dataframe import DataFrame


users = Index(["user 1", "user 2", "user 3", "user 4"], name="names")

salaries = Series([20000, 300000, 20000, 50000], index=users)
names = Series(["Lukas Novak", "Petr Pavel", "Pavel Petr", "Ludek Skocil"], index=users)
cash_flow = Series([-100, 10000, -2000, 1100], index=users)

data = DataFrame([names, salaries, cash_flow], columns=Index(["names", "salary", "cash flow"]))

assert data.get("salary") == salaries
assert data.get("cash flow").max() == 10000

Lokální testování

Funkčnost řešení ověříte následujícím příkazem:

pytest