jupyter koniec i analiza w Pycharm

dzien9/dane/analiza_pliku_emps.py

+import pandas
+
+# emps = pandas.read_csv('emps.csv', sep=';')
+
+emps = pandas.read_csv('emps.csv', sep=';', index_col='employee_id', parse_dates=['hire_date'])
+print('Dane wczytane')
+print(emps)
+
+print('-'*80)
+print('Średnia pensja:', emps.salary.mean())
+print('Średnia pensja programistów:', emps[emps.job_title == 'Programmer'].salary.mean())
+print('='*80)
+
+# bierzemy rekord o ID = 100
+king = emps.loc[100]
+print(king)
+print()
+print(king.first_name, king.last_name, 'zarabia', king.salary)
+print(king["first_name"], king["last_name"], 'zarabia', king["salary"])

dzien9/dane/pobierz_kursy_gieldowe.py

+# Zapytaj o kod spółki, początkową i końcową datę
+# (format dla dat: YYYYMMDD)
+# *dla chętnych: gdy user nie poda daty końcowej, przyjmij datę dzisiejszą
+
+# Gdy już pobierzesz dane:
+# - zapisz do pliku csv (nazwa pliku niech zawiera kod oraz daty)
+# - podziel dane na miesiące (resample) i np. oblicz średni kurs zamknięcia, ew. dodatkowe pola jak robiliśmy w Jupyterze
+# - wygeneruj wykres liniowy i zapisz do pliku
+#   → dla chętnych dwie wersje: wykres czterech kursów (otwarcie, zamknięcie, min, max) oraz oddzielnie wstega Belingera
+
+import pandas as pd
+from datetime import date
+
+ticker = input('Podaj symbol, np. pkn albo usdpln: ')
+pocz =  input('Podaj datę początkową w formacie YYYYMMDD: ')
+konc =  input('Podaj datę końcową w formacie YYYYMMDD: ')
+
+# domyślny koniec: dzisiejsza data
+if not konc:
+    konc = date.today().strftime('%Y%m%d')
+
+# domyślny początek: 1 stycznia z tego samego roku
+if not pocz:
+    pocz = konc[0:4] + '0101'
+
+adres = f'https://stooq.pl/q/d/l/?s={ticker}&d1={pocz}&d2={konc}&i=d'
+df = pd.read_csv(adres, index_col='Data', parse_dates=['Data'])
+print(f'Pobrano dane: {len(df)} rekordów')
+
+# nazwy kolumn: Otwarcie 	Najwyzszy 	Najnizszy 	Zamkniecie
+
+print('Najniższy kurs:', df["Najnizszy"].min())
+print('Najwyższy kurs:', df["Najwyzszy"].max())
+print('Średni kurs zamknięcia:', df["Zamkniecie"].mean())
+
+# Dodamy nowe kolumny
+df["Zmiana"] = df["Zamkniecie"].diff()
+df["Zmiana %"] = df["Zamkniecie"].pct_change() * 100
+df["Średnia 5"] = df["Zamkniecie"].rolling(window=5).mean()
+
+# To poprawiało format daty, ale jednocześnie Excel gubił informację, że ta kolumna jest typu data i stawała się zwykłym tekstem.
+# df.index = df.index.strftime('%Y-%m-%d')
+
+# Specyfikacja jak agregować w formie słownika - poniżej przekazuję to do agg
+agregaty = {
+    'Otwarcie': ['min', 'mean', 'max'],
+    'Zamkniecie': ['min', 'mean', 'max'],
+    'Najnizszy': ['min'],
+    'Najwyzszy': ['max'],
+}
+
+# Wolumen agreguję tylko, jesli występuje w danych źródłowych
+if 'Wolumen' in df:
+    agregaty['Wolumen'] = ['sum']
+
+miesiace = df.resample('M').agg(agregaty)
+
+plik_excel = f'kursy_{ticker}_{pocz}_{konc}.xlsx'
+with pd.ExcelWriter(plik_excel) as xl_writer:
+    df.to_excel(excel_writer=xl_writer, sheet_name='Dane')
+    miesiace.to_excel(excel_writer=xl_writer, sheet_name='Miesiecznie')
+print(f'Zapisano plik {plik_excel}')
+
+wykres = df[["Otwarcie", "Zamkniecie", "Najwyzszy", "Najnizszy"]].plot(figsize=(20,10))
+plik_wykres = f'kursy_{ticker}_{pocz}_{konc}.png'
+wykres.get_figure().savefig(plik_wykres)
+print(f'Zapisano wykres w pliku {plik_wykres}')
+
+# Generowanie "wstęgi Boelingera"
+WINDOW = 10
+KORYTARZ = 2
+srednia_kroczaca = df.Zamkniecie.rolling(window=WINDOW).mean()
+odchylenie = df.Zamkniecie.rolling(window=WINDOW).std()
+wstega_gorna = srednia_kroczaca + KORYTARZ * odchylenie
+wstega_dolna = srednia_kroczaca - KORYTARZ * odchylenie
+
+wstega = pd.DataFrame({
+    'Bieżące': df['Zamkniecie'],
+    'Trend': srednia_kroczaca,
+    'Górna': wstega_gorna,
+    'Dolna': wstega_dolna,
+})
+
+wykres = wstega.plot(figsize=(20, 10), grid=True)
+wykres.fill_between(wstega.index, wstega["Górna"], wstega["Dolna"], color="#AAEEFF", alpha=0.25)
+plik_bolinger = f'bolinger_{ticker}_{pocz}_{konc}.png'
+wykres.get_figure().savefig(plik_bolinger)
+print(f'Zapisano wstęgę Bolingera w pliku {plik_bolinger}')

jupyter/15_sortowanie.ipynb

@@ -4899,7 +4899,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.11.5"
+   "version": "3.11.6"
   }
  },
  "nbformat": 4,

jupyter/17_merge.ipynb

@@ -9555,7 +9555,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.11.5"
+   "version": "3.11.6"
   }
  },
  "nbformat": 4,

jupyter/20_edycja_replace.ipynb

@@ -12441,7 +12441,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.11.5"
+   "version": "3.11.6"
   }
  },
  "nbformat": 4,

jupyter/25_kursy.ipynb

@@ -3924,7 +3924,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.11.5"
+   "version": "3.11.6"
   }
  },
  "nbformat": 4,

jupyter/pliki/liczby.txt

+10 11 12 13 14 15 16 17 18 19
+10 9 8         7 6 5 4 3 2 1
+0 0 0 0 0 0 0 0 0 0
+1.1 1.25 1.44 1.75 2.0 1.66 1.5 1.33 1.2 1.0
+5 4 6 3 7 2 8 1 9 0
\ No newline at end of file

jupyter/students.alx.pl/~pczarnik/dane/iris.data

+5.1,3.5,1.4,0.2,Iris-setosa
+4.9,3.0,1.4,0.2,Iris-setosa
+4.7,3.2,1.3,0.2,Iris-setosa
+4.6,3.1,1.5,0.2,Iris-setosa
+5.0,3.6,1.4,0.2,Iris-setosa
+5.4,3.9,1.7,0.4,Iris-setosa
+4.6,3.4,1.4,0.3,Iris-setosa
+5.0,3.4,1.5,0.2,Iris-setosa
+4.4,2.9,1.4,0.2,Iris-setosa
+4.9,3.1,1.5,0.1,Iris-setosa
+5.4,3.7,1.5,0.2,Iris-setosa
+4.8,3.4,1.6,0.2,Iris-setosa
+4.8,3.0,1.4,0.1,Iris-setosa
+4.3,3.0,1.1,0.1,Iris-setosa
+5.8,4.0,1.2,0.2,Iris-setosa
+5.7,4.4,1.5,0.4,Iris-setosa
+5.4,3.9,1.3,0.4,Iris-setosa
+5.1,3.5,1.4,0.3,Iris-setosa
+5.7,3.8,1.7,0.3,Iris-setosa
+5.1,3.8,1.5,0.3,Iris-setosa
+5.4,3.4,1.7,0.2,Iris-setosa
+5.1,3.7,1.5,0.4,Iris-setosa
+4.6,3.6,1.0,0.2,Iris-setosa
+5.1,3.3,1.7,0.5,Iris-setosa
+4.8,3.4,1.9,0.2,Iris-setosa
+5.0,3.0,1.6,0.2,Iris-setosa
+5.0,3.4,1.6,0.4,Iris-setosa
+5.2,3.5,1.5,0.2,Iris-setosa
+5.2,3.4,1.4,0.2,Iris-setosa
+4.7,3.2,1.6,0.2,Iris-setosa
+4.8,3.1,1.6,0.2,Iris-setosa
+5.4,3.4,1.5,0.4,Iris-setosa
+5.2,4.1,1.5,0.1,Iris-setosa
+5.5,4.2,1.4,0.2,Iris-setosa
+4.9,3.1,1.5,0.1,Iris-setosa
+5.0,3.2,1.2,0.2,Iris-setosa
+5.5,3.5,1.3,0.2,Iris-setosa
+4.9,3.1,1.5,0.1,Iris-setosa
+4.4,3.0,1.3,0.2,Iris-setosa
+5.1,3.4,1.5,0.2,Iris-setosa
+5.0,3.5,1.3,0.3,Iris-setosa
+4.5,2.3,1.3,0.3,Iris-setosa
+4.4,3.2,1.3,0.2,Iris-setosa
+5.0,3.5,1.6,0.6,Iris-setosa
+5.1,3.8,1.9,0.4,Iris-setosa
+4.8,3.0,1.4,0.3,Iris-setosa
+5.1,3.8,1.6,0.2,Iris-setosa
+4.6,3.2,1.4,0.2,Iris-setosa
+5.3,3.7,1.5,0.2,Iris-setosa
+5.0,3.3,1.4,0.2,Iris-setosa
+7.0,3.2,4.7,1.4,Iris-versicolor
+6.4,3.2,4.5,1.5,Iris-versicolor
+6.9,3.1,4.9,1.5,Iris-versicolor
+5.5,2.3,4.0,1.3,Iris-versicolor
+6.5,2.8,4.6,1.5,Iris-versicolor
+5.7,2.8,4.5,1.3,Iris-versicolor
+6.3,3.3,4.7,1.6,Iris-versicolor
+4.9,2.4,3.3,1.0,Iris-versicolor
+6.6,2.9,4.6,1.3,Iris-versicolor
+5.2,2.7,3.9,1.4,Iris-versicolor
+5.0,2.0,3.5,1.0,Iris-versicolor
+5.9,3.0,4.2,1.5,Iris-versicolor
+6.0,2.2,4.0,1.0,Iris-versicolor
+6.1,2.9,4.7,1.4,Iris-versicolor
+5.6,2.9,3.6,1.3,Iris-versicolor
+6.7,3.1,4.4,1.4,Iris-versicolor
+5.6,3.0,4.5,1.5,Iris-versicolor
+5.8,2.7,4.1,1.0,Iris-versicolor
+6.2,2.2,4.5,1.5,Iris-versicolor
+5.6,2.5,3.9,1.1,Iris-versicolor
+5.9,3.2,4.8,1.8,Iris-versicolor
+6.1,2.8,4.0,1.3,Iris-versicolor
+6.3,2.5,4.9,1.5,Iris-versicolor
+6.1,2.8,4.7,1.2,Iris-versicolor
+6.4,2.9,4.3,1.3,Iris-versicolor
+6.6,3.0,4.4,1.4,Iris-versicolor
+6.8,2.8,4.8,1.4,Iris-versicolor
+6.7,3.0,5.0,1.7,Iris-versicolor
+6.0,2.9,4.5,1.5,Iris-versicolor
+5.7,2.6,3.5,1.0,Iris-versicolor
+5.5,2.4,3.8,1.1,Iris-versicolor
+5.5,2.4,3.7,1.0,Iris-versicolor
+5.8,2.7,3.9,1.2,Iris-versicolor
+6.0,2.7,5.1,1.6,Iris-versicolor
+5.4,3.0,4.5,1.5,Iris-versicolor
+6.0,3.4,4.5,1.6,Iris-versicolor
+6.7,3.1,4.7,1.5,Iris-versicolor
+6.3,2.3,4.4,1.3,Iris-versicolor
+5.6,3.0,4.1,1.3,Iris-versicolor
+5.5,2.5,4.0,1.3,Iris-versicolor
+5.5,2.6,4.4,1.2,Iris-versicolor
+6.1,3.0,4.6,1.4,Iris-versicolor
+5.8,2.6,4.0,1.2,Iris-versicolor
+5.0,2.3,3.3,1.0,Iris-versicolor
+5.6,2.7,4.2,1.3,Iris-versicolor
+5.7,3.0,4.2,1.2,Iris-versicolor
+5.7,2.9,4.2,1.3,Iris-versicolor
+6.2,2.9,4.3,1.3,Iris-versicolor
+5.1,2.5,3.0,1.1,Iris-versicolor
+5.7,2.8,4.1,1.3,Iris-versicolor
+6.3,3.3,6.0,2.5,Iris-virginica
+5.8,2.7,5.1,1.9,Iris-virginica
+7.1,3.0,5.9,2.1,Iris-virginica
+6.3,2.9,5.6,1.8,Iris-virginica
+6.5,3.0,5.8,2.2,Iris-virginica
+7.6,3.0,6.6,2.1,Iris-virginica
+4.9,2.5,4.5,1.7,Iris-virginica
+7.3,2.9,6.3,1.8,Iris-virginica
+6.7,2.5,5.8,1.8,Iris-virginica
+7.2,3.6,6.1,2.5,Iris-virginica
+6.5,3.2,5.1,2.0,Iris-virginica
+6.4,2.7,5.3,1.9,Iris-virginica
+6.8,3.0,5.5,2.1,Iris-virginica
+5.7,2.5,5.0,2.0,Iris-virginica
+5.8,2.8,5.1,2.4,Iris-virginica
+6.4,3.2,5.3,2.3,Iris-virginica
+6.5,3.0,5.5,1.8,Iris-virginica
+7.7,3.8,6.7,2.2,Iris-virginica
+7.7,2.6,6.9,2.3,Iris-virginica
+6.0,2.2,5.0,1.5,Iris-virginica
+6.9,3.2,5.7,2.3,Iris-virginica
+5.6,2.8,4.9,2.0,Iris-virginica
+7.7,2.8,6.7,2.0,Iris-virginica
+6.3,2.7,4.9,1.8,Iris-virginica
+6.7,3.3,5.7,2.1,Iris-virginica
+7.2,3.2,6.0,1.8,Iris-virginica
+6.2,2.8,4.8,1.8,Iris-virginica
+6.1,3.0,4.9,1.8,Iris-virginica
+6.4,2.8,5.6,2.1,Iris-virginica
+7.2,3.0,5.8,1.6,Iris-virginica
+7.4,2.8,6.1,1.9,Iris-virginica
+7.9,3.8,6.4,2.0,Iris-virginica
+6.4,2.8,5.6,2.2,Iris-virginica
+6.3,2.8,5.1,1.5,Iris-virginica
+6.1,2.6,5.6,1.4,Iris-virginica
+7.7,3.0,6.1,2.3,Iris-virginica
+6.3,3.4,5.6,2.4,Iris-virginica
+6.4,3.1,5.5,1.8,Iris-virginica
+6.0,3.0,4.8,1.8,Iris-virginica
+6.9,3.1,5.4,2.1,Iris-virginica
+6.7,3.1,5.6,2.4,Iris-virginica
+6.9,3.1,5.1,2.3,Iris-virginica
+5.8,2.7,5.1,1.9,Iris-virginica
+6.8,3.2,5.9,2.3,Iris-virginica
+6.7,3.3,5.7,2.5,Iris-virginica
+6.7,3.0,5.2,2.3,Iris-virginica
+6.3,2.5,5.0,1.9,Iris-virginica
+6.5,3.0,5.2,2.0,Iris-virginica
+6.2,3.4,5.4,2.3,Iris-virginica
+5.9,3.0,5.1,1.8,Iris-virginica
+

jupyter/zmienione_liczby.txt

+4.850000000000000000e+01 5.350000000000000000e+01 5.850000000000000000e+01 6.350000000000000000e+01 6.850000000000000000e+01 7.350000000000000000e+01 7.850000000000000000e+01 8.350000000000000000e+01 8.850000000000000000e+01 9.350000000000000000e+01
+4.850000000000000000e+01 4.350000000000000000e+01 3.850000000000000000e+01 3.350000000000000000e+01 2.850000000000000000e+01 2.350000000000000000e+01 1.850000000000000000e+01 1.350000000000000000e+01 8.500000000000000000e+00 3.500000000000000000e+00
+-1.500000000000000000e+00 -1.500000000000000000e+00 -1.500000000000000000e+00 -1.500000000000000000e+00 -1.500000000000000000e+00 -1.500000000000000000e+00 -1.500000000000000000e+00 -1.500000000000000000e+00 -1.500000000000000000e+00 -1.500000000000000000e+00
+4.000000000000000000e+00 4.750000000000000000e+00 5.699999999999999289e+00 7.250000000000000000e+00 8.500000000000000000e+00 6.799999999999998934e+00 6.000000000000000000e+00 5.150000000000000355e+00 4.500000000000000000e+00 3.500000000000000000e+00
+2.350000000000000000e+01 1.850000000000000000e+01 2.850000000000000000e+01 1.350000000000000000e+01 3.350000000000000000e+01 8.500000000000000000e+00 3.850000000000000000e+01 3.500000000000000000e+00 4.350000000000000000e+01 -1.500000000000000000e+00