Dopiski do gen_iter

dzien9/dekoratory/c_pomiar_czasu_v2.py

@@ -14,7 +14,7 @@ def pomiar_czasu(f):
 @pomiar_czasu
 def petla(n):
     suma = 0
-    for i in range(n):
+    for i in range(1, n+1):
         suma += i
     return suma
 

dzien9/funkcyjne/a_funkcja_jako_wartosc.py

@@ -7,13 +7,14 @@ def pozegnaj():
 print('Początek programu')
 powitaj()
 
+print('\n---- badanie zmiennej f--')
 # Funkcję można wpisać do zmiennej
 f = powitaj
 # Teraz w zmiennej f mamy funkcję i możemy ją wywołać
 f()
 f = pozegnaj
 f()
-print()
+print('--------\n')
 
 # Funkcja może być elementem kolekcji (lista, słownik...)
 

dzien9/funkcyjne/filter_map.py

@@ -5,7 +5,6 @@ print(liczby)
 
 # Aby wypisać tylko liczby spełniające warunek, np. tylko podzielne przez 2,
 # można:
-
 for liczba in liczby:
     if liczba % 2 == 0:
         print(liczba, end=' ')
@@ -65,8 +64,29 @@ print(parzyste_kwadraty)
 
 pk2 = list(map(lambda x: x**2, filter(lambda x: x % 2 ==0, liczby)))
 print(pk2)
+print()
+
+# Operacja reduce realizuje schemat agregacji danych - z sekwencji wielu wartości tworzy pojedynczy wynik
+# Przykład: suma elementów listy
+# za pomocą pętli
+suma = 0
+for x in liczby:
+    suma += x
+print(suma)
+
+from functools import reduce
+suma2 = reduce(lambda x, y: x+y, liczby, 0)
+print(suma2)
+
+mul = lambda x,y: x*y
+silnia = lambda n: reduce(mul, range(1, n+1), 1)
+print(silnia(0))
+print(silnia(1))
+print(silnia(5))
+print(silnia(100))
+print()
 
-# To staje się łądniejsze w zapisie, gdy mamy funkcję, której chcemy użyć
+# To staje się ładniejsze w zapisie, gdy mamy funkcję, której chcemy użyć
 def jest_parzysta(liczba):
     return liczba % 2 == 0
 

dzien9/iter_gen/emp0_test_odczytu.py

+from employees import read_csv
+
+emps = read_csv('emps.csv')
+for emp in emps:
+    print(emp)

dzien9/iter_gen/emp5_grupowanie.py

+from collections import defaultdict
+from employees import read_csv
+
+emps = read_csv('emps.csv')
+slownik = defaultdict(lambda: [0, 0])
+
+for emp in emps:
+    slownik[emp.job_title][0] += 1
+    slownik[emp.job_title][1] += emp.salary
+
+print(slownik)
+print()
+
+for job, (ilosc, suma) in slownik.items():
+    srednia = suma / ilosc
+    print(f'| {job:32} | {ilosc:2} | {srednia:8.2f} |')

dzien9/iter_gen/employees.py

+from collections import namedtuple
+
+nazwy_kolumn = ('employee_id', 'first_name', 'last_name', 'job_title', 'salary', 'hire_date',
+                 'department_name', 'address', 'postal_code', 'city', 'country')
+
+Employee = namedtuple('Employee', nazwy_kolumn)
+
+# Funkcja zwraca generator, za pomocą którego można czytać wszystkie rekordy z pliku,
+# ale nie są one na raz wczytywane do pamięci, więc pliki mogą być bardzo duże.
+def read_csv(path):
+    with open(path, mode='r', encoding='utf-8') as file:
+        file.readline()
+        for line in file:
+            t = line.strip().split(';')
+            yield Employee(int(t[0]), t[1], t[2], t[3], int(t[4]), *t[5:])

dzien9/iter_gen/gen1.py

@@ -7,6 +7,7 @@ def abc():
     yield 'Celina'
 
 
+print(abc)
 generator = abc()
 print(generator)
 # Generator jest iterowalny i najczęściej korzysta z niego porzez pętlę for