Prijavi problem


Obeleži sve katergorije koje odgovaraju problemu

Jos detalja - opišite nam problem


Uspešno ste prijavili problem!
Status problema i sve dodatne informacije možete pratiti klikom na link
Na žalost nismo trenutno u mogućnosti da obradimo Vaš zahtev.
Molimo Vas da pokušate kasnije.

Priručnik za Džupajter

8. час: Табеларно представљени подаци

На овом часу ћемо говорити о:

  1. представљању табеларно задатих података помоћу листи у Пајтону,
  2. ефикаснијем представљању табеларних података користећи библиотеку pandas, и
  3. визуелизацији табеларно представљених података.

8.1. Представљање табеларно задатих података помоћу листи

Најчешћи начин да организујемо велике количине података је да их представимо табелом. Рецимо, ова табела садржи податке о једној групи деце (при чему је, наравно, старост изражена у годинама, тежина у килограмима, а висина у центиметрима):

Име Пол Старост Тежина Висина
Ана ж 13 46 160
Бојан м 14 52 165
Влада м 13 47 157
Гордана ж 15 54 165
Дејан м 15 56 163
Ђорђе м 13 45 159
Елена ж 14 49 161
Жаклина ж 15 52 164
Зоран м 15 57 167
Ивана ж 13 45 158
Јасна ж 14 51 162

Да бисмо могли машински да обрађујемо и анализирамо податке, прво их морамо представити у облику неке структуре података. Један једноставан начин да се то уради је да сваки ред табеле представимо једном листом, и да потом све те листе запакујемо у једну велику листу, рецимо овако:

In [1]:
podaci = [["Ана",     "ж", 13, 46, 160],
          ["Бојан",   "м", 14, 52, 165],
          ["Влада",   "м", 13, 47, 157],
          ["Гордана", "ж", 15, 54, 165],
          ["Дејан",   "м", 15, 56, 163],
          ["Ђорђе",   "м", 13, 45, 159],
          ["Елена",   "ж", 14, 49, 161],
          ["Жаклина", "ж", 15, 52, 164],
          ["Зоран",   "м", 15, 57, 167],
          ["Ивана",   "ж", 13, 45, 158],
          ["Јасна",   "ж", 14, 51, 162]]

Из овако представљених података лако можемо добити податке о сваком појединачном детету у групи. Рецимо, податке о Дејану добијамо тако што испишемо елемент листе са индексом 4 (Пажња! Први елемент листе има индекс 0, зато подаци о Дејану који су наведени у 5. реду табеле имају индекс 4):

In [2]:
podaci[4]
Out[2]:
['Дејан', 'м', 15, 56, 163]

Овај начин представљања података, међутим, није погодан за обраде по колонама. Рецимо, ако желимо да израчунамо просечну висину деце у групи морамо да пишемо програм. То није немогуће, чак није ни тешко, али је непрактично. Ево програма:

In [3]:
sum = 0
for dete in podaci:
    sum += dete[4]
float(sum) / len(podaci)
Out[3]:
161.9090909090909

Програм ради на следећи начин:

  • прво помоћну променљиву sum поставимо на нулу (у њој ће се полако акумулирати збир висина све деце у групи);
  • након тога циклус for dete in podaci: прође кроз свако дете у групи (јер сваки елемент листе podaci представља податке о једном детету) и на суму дода његову висину (висина детета се налази на петом месту у групи података за то дете, а то је елемент листе са индексом 4);
  • коначно, добијени збир поделимо бројем података да бисмо израчунали просек.

Као што смо већ рекли, ово није јако тешко, али је непрактично. Треба нам флексибилнија структура података.

8.2. Библиотека pandas, структура података DataFrame и рад са колонама табеле

За ефикасно манипулисање табеларно представљеним подацима у Пајтону развијена је библиотека pandas. Њу можемо увести као што смо увозили и остале библиотеке (и уз пут ћемо јој дати надимак да бисмо мање морали да куцамо):

In [4]:
import pandas as pd

Из ове библиотеке ћемо користити структуру података која се зове DataFrame (енгл. data значи "подаци", frame значи "оквир", тако да DataFrame значи "оквир са подацима", односно "табела").

Податке о деци сада лако можемо да препакујемо у DataFrame позивом функције са истим именом:

In [5]:
tabela = pd.DataFrame(podaci)

Претходна команда није дала никакав излаз. Она је просто препаковала податке наведене у листи podaci у нову структуру података. Да бисмо се уверили да се ради само о препакивању, исписаћемо садржај променљиве tabela:

In [6]:
tabela
Out[6]:
0 1 2 3 4
0 Ана ж 13 46 160
1 Бојан м 14 52 165
2 Влада м 13 47 157
3 Гордана ж 15 54 165
4 Дејан м 15 56 163
5 Ђорђе м 13 45 159
6 Елена ж 14 49 161
7 Жаклина ж 15 52 164
8 Зоран м 15 57 167
9 Ивана ж 13 45 158
10 Јасна ж 14 51 162

Да би табела била прегледнија, даћемо колонама име. Колонама се име даје приликом препакивања, тако што се листа са именима колона проследи помоћном параметру columns:

In [7]:
tabela = pd.DataFrame(podaci)
tabela.columns=["Име", "Пол", "Старост", "Тежина", "Висина"]
tabela
Out[7]:
Име Пол Старост Тежина Висина
0 Ана ж 13 46 160
1 Бојан м 14 52 165
2 Влада м 13 47 157
3 Гордана ж 15 54 165
4 Дејан м 15 56 163
5 Ђорђе м 13 45 159
6 Елена ж 14 49 161
7 Жаклина ж 15 52 164
8 Зоран м 15 57 167
9 Ивана ж 13 45 158
10 Јасна ж 14 51 162

Када свака колона има своје име, можемо да приступимо појединачним колонама:

In [8]:
tabela["Име"]
Out[8]:
0         Ана
1       Бојан
2       Влада
3     Гордана
4       Дејан
5       Ђорђе
6       Елена
7     Жаклина
8       Зоран
9       Ивана
10      Јасна
Name: Име, dtype: object
In [9]:
tabela["Висина"]
Out[9]:
0     160
1     165
2     157
3     165
4     163
5     159
6     161
7     164
8     167
9     158
10    162
Name: Висина, dtype: int64

Имена свих колона су увек доступна у облику листе овако:

In [10]:
tabela.columns
Out[10]:
Index(['Име', 'Пол', 'Старост', 'Тежина', 'Висина'], dtype='object')

Позивом једне од следећих функција лако можемо да вршимо elementarnu анализу података који су представљени табелом:

  • sum -- рачуна збир елемената у колони (сума);
  • mean -- рачуна просек елемената у колони (аритметичка средина се на енглеском каже arithmetic mean);
  • min -- рачуна вредност најмањег елемента у колони (минимум);
  • max -- рачуна вредност највећег елемента у колони (максимум).

На пример, висина најнижег детета у групи је:

In [11]:
tabela["Висина"].min()
Out[11]:
157

Најстарије дете у групи има оволико година:

In [12]:
tabela["Старост"].max()
Out[12]:
15

Просечна висина деце у групи је:

In [13]:
tabela["Висина"].mean()
Out[13]:
161.9090909090909

Да ли цела група може да стане у лифт чија носивост је 600 кг?

In [14]:
if tabela["Тежина"].sum() <= 600:
    print("Могу сви да стану у лифт.")
else:
    print("Не. Заједно су претешки.")
Могу сви да стану у лифт.

8.3. Визуелизација табеларно представљених података

Визуелизација података из табеле се своди на то да се одаберу интересантне колоне табеле и прикажу неком од техника које смо раније видели. Прво ћемо учитати одговарајућу библиотеку:

In [15]:
import matplotlib.pyplot as plt

Ако желимо хистограмом да представимо висину деце у групи, одабраћемо колоне "Име" и "Висина" и приказати их, рецимо овако:

In [16]:
plt.figure(figsize=(10,5))
plt.bar(tabela["Име"], tabela["Висина"])
plt.title("Висина деце у групи")
plt.show()
plt.close()

Као други пример, линијским дијаграмом ћемо представити тежину и старост деце у групи тако да тежина буде представљена црвеном линијом, а старост зеленом. Приказаћемо и легенду да би било јасно шта која линија представља.

In [17]:
plt.figure(figsize=(10,5))
plt.plot(tabela["Име"], tabela["Тежина"], color="r", label="Тежина")
plt.plot(tabela["Име"], tabela["Старост"], color="g", label="Старост")
plt.title("Старост и тежина деце у групи")
plt.legend()
plt.show()
plt.close()

8.4. Задаци

Задатке реши у Џупајтеру.

Задатак 1. У следећој листи су дати подаци о националним парковима Србије. За сваки национални парк је наведено његово име, површина у хектарима и година оснивања:

In [1]:
nac_parkovi = [["Фрушка гора", 25393, 1960],
               ["Ђердап",      64000, 1974],
               ["Тара",        22000, 1981],
               ["Копаоник",    11810, 1981],
               ["Шар-планина", 39000, 1985]]

(а) Од ове листе направи DataFrame па израчунај просечну површину националног парка (у хектарима), и укупну површину коју заузимају национални паркови у Србији (у квадратним километрима; 1 квадратни километар = 100 хектара).

(б) Прикажи линијским графиконом површине националних паркова у Србији.

Задатак 2. Производња кукуруза и пшенице у периоду 2008-2012. је дата у следећој табели (подаци су исказани у хиљадама тона):

Година Кукуруз Пшеница
2008. 6.158 2.095
2009. 6.396 2.067
2010. 7.207 1.631
2011. 6.480 2.076
2012. 3.532 1.911

(а) Направи одговарајући DataFrame па израчунај максималну производњу кукуруза и минималну производњу пшенице у наведеном периоду. (Упутство: податке прво представи листом, а онда од листе направи DataFrame.)

(б) На једном графикону прикажи стубичастим дијаграмом производњу пшенице и кукуруза у наведеном периоду. (Води рачуна да прво исцрташ податке за кукуруз, а онда преко тога податке за пшеницу.)

(в) Израчунај просечну годишњу производњу кукуруза за наведени период, као и за колико се разликовала производња пшенице у најбољој и најлошијој години наведеног периода (у хиљадама тона).