\n",
"**Общая информация**\n",
"\n",
"**Срок сдачи:** 2 февраля 2016 \n",
"**Штраф за опоздание:** -0.5 за каждый день\n",
"\n",
"При отправлении ДЗ на почту указывайте фамилию в названии файла, а тему письма оформляйте в следующем виде: \n",
"** [Майнор ИАД 2016] *{Фамилия}* *{Имя}* ДЗ*{Номер}* ** \n",
"\n",
"\n",
"Сопровождайте ваш код изображеними, комментариями и выводами. \n",
"Иммейте ввиду, что на некоторые задачи нет единственного верного и полного ответа. Чем больше информации вы сможете извлечь, аргументированных выводов сформулировать, тем лучше.\n",
"\n",
"Используйте данный Ipython Notebook при оформлении домашнего задания.\n",
""
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### 1. Воздушные перевозки (с семинара)\n",
"\n",
"Скачайте и распакуте следующий [архив](http://stat-computing.org/dataexpo/2009/2008.csv.bz2). Описание полей таблицы дано [здесь](http://www.transtats.bts.gov/Fields.asp?Table_ID=236).\n",
"\n",
"Данные должны содержать перелеты воздушных судов в 2008 году (вероятно в США)"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 1:** Рассчитать топ-10 массовых перевозчиков."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 2:** Построить распределение причин отмены рейсов"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 3:** Найти самый популярный маршрут, выдать статистику по данному маршруту."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 4:** Найти топ-5 рейсов по каждому из типов delay. Каким перевозчикам они принадлежат?"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 5:** Определить, как распределено количество рейсов от времени дня?"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 6:** Определить \"сезонность\" во временных рядах по количеству вылетов на каждый день."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"### 2. Продолжаем изучать Pandas"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"Ввиду ограниченности времени, мы не успеваем рассмотреть всё на семинарах. Поэтому часть работы ложится на вас..\n",
"\n",
"Загрузите две csv таблицы [отсюда](https://github.com/emorisse/FBI-Hate-Crime-Statistics) и импортируйте через Pandas. В них содержатся агрегированные данные по различным организациям\\городам США, содержащие количество обращений по тем или иным случаям нарушения закона. В одной таблице (table13.csv) перечислены управления, которые сообщали об этих случаях, в другой - которые не сообщали.\n",
"\n",
"**Задание 1:** Изучите документации для методов `unique_values`, `isin`. С помощью этой функции, определите, содержатся ли в двух таблицах одни и те же штаты."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 2:** Изучите документации для методов `append`, `merge` и `concat`. Совместите две таблицы в одну."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 3:** Изучите документации для методов `drop_dublicates` и `dropna`. Используйте метод `dropna` для очистки большой таблицы от пропусков. Что произошло? Почему? Исправьте таблицы, чтобы получить корректный ответ."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 4:** Изучите документации для методов `set_index`, `reset_index` и `pivot_table`. Проиндексируйте общую таблицу по переменным State и Agency Type (одновременно). У вас должен появиться *мультииндекс*."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"**Задание 5:** В Pandas можно идерировать по DataFrame! Ищучите документации для методов `iteritems`, `iterrows`, а так же посмотрите, как можно итерировать по сгруппированным DataFrame'ам. Выделите подтаблицу, состаящую из данных по 3 произвольным штатам и сгруппируйте её по переменным State и Agency Type. С помощью изученных методов (то есть итеративно) выведите суммарную популяцию по каждой паре <Штат>-<Тип>"
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {
"collapsed": true
},
"outputs": [],
"source": [
"# Your code here..\n"
]
}
],
"metadata": {
"kernelspec": {
"display_name": "Python 2",
"language": "python",
"name": "python2"
},
"language_info": {
"codemirror_mode": {
"name": "ipython",
"version": 2
},
"file_extension": ".py",
"mimetype": "text/x-python",
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython2",
"version": "2.7.11"
}
},
"nbformat": 4,
"nbformat_minor": 0
}