Milestone Challenge pentru setul de date pentru biciclete

uzate
Bine ați venit la Provocarea Milestione, în acest scenariu, veți explora statistici descriptive despre setul de
date de biciclete folosite .

Notă -

 Adăugați celule suplimentare pentru codare, dacă este necesar.

 În cele din urmă, reporniți și rulați toate celulele după finalizarea provocării.

Rulați celula de mai jos pentru a importa pachetele de bază necesare

Notă - Acestea sunt pachete de bază necesare pentru a rezolva această provocare, vă rugăm să includeți
module adecvate din pachetele de mai jos pentru a rezolva această provocare pe baza scenariilor date.
[1]:

import numpy ca np
importa panda ca pd
statistici de import
import scipy

Rulați celula de mai jos pentru a descărca setul de date

[2]:

! wget hrcdn.net / s3_pub / istreet - active /- ccjO7ToeMlvfSIOr - Wxfg / Used_Bikes.csv

--2021-09-22 10:42:42-- http://hrcdn.net/s3_pub/istreet-assets/-ccjO7ToeMlvfSIOr-Wxfg/Used_Bikes.csv
Se rezolvă hrcdn.net (hrcdn.net)... 23.77.203.146, 23.77.203.144, 2600:1407:1800::173f:49d8, ...
Se conectează la hrcdn.net (hrcdn.net)|23.77.203.146|:80... conectat.
Solicitare HTTP trimisă, așteaptă răspuns... 301 Mutat permanent
Locație: https://hrcdn.net/s3_pub/istreet-assets/-ccjO7ToeMlvfSIOr-Wxfg/Used_Bikes.csv [urmează]
--2021-09-22 10:42:42-- https://hrcdn.net/s3_pub/istreet-assets/-ccjO7ToeMlvfSIOr-Wxfg/Used_Bikes.csv
Se conectează la hrcdn.net (hrcdn.net)|23.77.203.146|:443... conectat.
Solicitare HTTP trimisă, se așteaptă răspuns... 200 OK
Lungime: 2493547 (2,4 M) [application/octet-stream]
Se salvează în: „Used_Bikes.csv”

Used_Bikes.csv 100%[====================>] 2,38 M 9,68 MB/s în 0,2 s

2021-09-22 10:42:43 (9,68 MB/s) - „Used_Bikes.csv” salvat [2493547/2493547]

Încărcați setul de date

  Încărcați setul de date Bank Marketing din fișierul Used_Bikes.csv și salvați-l în variabila df.

[13]:

df = pd.read_csv(„Biciclete_Uzate.csv”)

Intrebarea 1
 (a) Din setul de date de mai sus, calculați media pentru toate coloanele numerice și convertiți-o în
dicționar și salvați-o în variabila medie .

 (b) Din setul de date de mai sus, calculați mediana pentru toate coloanele numerice și convertiți-o
în dicționar și salvați-o în variabila mediană .

 (c) Din setul de date de mai sus, calculați modul pentru toate coloanele numerice și convertiți-l în
dicționar și salvați-l în modul variabil.

 (d) Din valorile medii, mediane și mod ale coloanei kms_driven , aceasta este o distribuție
declinată pozitiv.

- Dacă răspunsul pentru afirmația de mai sus este da, atribuiți valoarea yes ca șir, altfel valoarea no ca
șir în variabila kms_driven.
Salvați ieșirile pentru (a), (b) și (c) în următorul format -

{Column Name: Value}

Exemplu -

{'vârsta': 85,85,

„kms_driven”: 1500,01,

„putere”: 200,01}

Notă - Aici rotunjiți valorile medii și mediane la două zecimale și modul la un număr întreg.
[57]:

medie = {"preț": preț.mean(),"kms_driven": kms_driven.mean(),"vârstă" :, age.mean(),"putere" :,

putere.mean()}

imprimare (mediu)

mediană = df.median()
mod = df.mode()

kms_driven = print („Da”)

Fișier „<ipython-input-57-b3982c389b48>” , rândul 1
medie = {"preț": preț.mean(),"kms_driven": kms_driven.mean(),"vârstă" :, age.mean(),"putere" :,
putere.mean()}
^
SyntaxError: sintaxă nevalidă

intrebarea 2
 (a) De la proprietarul coloanei, obțineți numărul tuturor categoriilor și convertiți-l în dicționar și
salvați-l în proprietarul variabilei.

 (b) Proprietarul coloanei pare să aibă o problemă de dezechilibru de clasă înaltă.

- Dacă răspunsul pentru declarația de mai sus este da, atribuiți valoarea yes ca șir, altfel valoarea no
ca șir în variabila class_imb.
Pentru întrebarea (a) salvați rezultatul în următorul format -

{Nume categorie: Număr}

Exemplu -

{„Primul proprietar”: 500,

„Al patrulea proprietar sau mai mult”: 300,

„Al doilea proprietar”: 200}

[58]:

proprietar =

class_imb =
Fișier „<ipython-input-58-7a9c7a6960d5>” , rândul 1
proprietar =
^
SyntaxError: sintaxă nevalidă

Întrebarea 3
 Pentru setul de date dat, găsiți următoarele -

 - (a) Varianta populației setului de date din toate coloanele numerice și salvați-o în variabila
p_var.

- (b) Abaterea standard a populației a setului de date din toate coloanele numerice și salvați-o în
variabila p_sd.
Pentru întrebările (a) și (b) salvați rezultatul în următorul format -
 {Column Name: Value}

Exemplu -

{'vârsta': 85,85,

„kms_driven”: 1500,01,

„putere”: 200,01}

Notă - Aici rotunjiți valorile la două zecimale și convertiți toate variabilele în dicționar.
[59]:

p_var =

p_sd =
Fișier „<ipython-input-59-039e0a8010f1>” , rândul 1
p_var =
^
SyntaxError: sintaxă nevalidă

Întrebarea 4
 Pentru setul de date dat, găsiți următoarele -

 - (a) Intervalul interquartil al coloanei preț și salvați-l în variabila iqr_price .


- (b) Intervalul interquartil al coloanei kms_driven și salvați-o în variabila iqr_kms_driven.
Notă - Aici rotunjiți valorile la două zecimale.
[ ]:

din scipy.stats import iqr

iqr_price =

iqr_kms_driven =

Întrebarea 5
 (a) Din setul de date dat găsiți matricea de corelație pentru toate coloanele numerice și salvați-o în
variabale df_corr . Aici rotunjiți valorile la două zecimale.

 (b) Din df_corr Vârsta este corelată negativ cu Prețul.

 - Dacă răspunsul pentru afirmația de mai sus este da, atribuiți valoarea yes ca șir, altfel valoarea nu ca
șir în variabila Age_Price.
 (c) Din df_corr Puterea este corelată negativ cu Prețul.

- Dacă răspunsul pentru afirmația de mai sus este da, atribuiți valoarea yes ca șir, altfel valoarea nu ca
șir în variabila Power_Price.
Pentru întrebările (a) salvați rezultatul în următorul format -

{Column Name: {Column Name: Value}}

Exemplu -

{'age': {'age': 0.2, 'kms_driven': 0.08, 'power': -0.25, 'price': 0.08},

'kms_driven': {'vârsta': -0,15,

„kms_driven”: 0,3,

„putere”: 0,18,

„preț”: 0,58}}
[ ]:

df_corr =

Age_Price =

Power_Price =

Întrebarea 6
 (a) Din setul de date dat găsiți asimetria pentru toate coloanele numerice și salvați-o în variabale
df_skew . Aici rotunjiți valorile la două zecimale.

 (b) Din df_skew , vârsta este destul de simetrică.

- Dacă răspunsul pentru afirmația de mai sus este da, atribuiți valoarea yes ca șir, altfel valoarea nu ca
șir în variabila Age_Skew.
 (c) De la df_skew puterea este foarte denaturată.

- Dacă răspunsul pentru afirmația de mai sus este da, atribuiți valoarea yes ca șir, altfel valoarea nu ca
șir în variabila Power_Skew.
Pentru întrebarea (a) salvați rezultatul în următorul format -

{Column Name: Value}

Exemplu -
 {'vârsta': 55,85,

„kms_driven”: 76,01,

„putere”: 61,01}
[ ]:

df_skew =

Age_Skew =

Power_Skew =

Rulați celula de mai jos pentru a salva rezultatele

[ ]:

cu open('question1.txt', 'a') ca f:

print(medie, fișier = f)
print(mediana, fisier = f)
print(modul, fișier = f)
print(kms_driven , fisier = f)

cu open('question2.txt', 'a') ca f:
print(proprietar, fisier = f)
print(class_imb, fisier = f)

cu open('question3.txt', 'a') ca f:
print(p_var , fisier = f)
print(p_sd, fișier = f)

cu open('question4.txt', 'a') ca f:
print(iqr_price , fisier = f)
print(iqr_kms_driven , fisier = f)

cu open('question5.txt', 'a') ca f:

print(df_corr , fisier = f)
print(Vârsta_Preț, fișier = f)
print(Preț_Putere, fișier = f)

cu open('question6.txt', 'a') ca f:
print(df_skew, fișier = f)
print(Age_Skew, fișier = f)
print(Power_Skew , fisier = f)
 [ ]:

 Desc_Stats_Question.ipynb
 Used_Bikes.csv
 scor.py
 Terminalul 1

import ast

din hashlib import md5

import json

def get_file(nume_fișier):

cu open(file_name) ca f:

date = f.readlines()

returnează [s.rstrip('\n') pentru s în date]

scor = 0

încerca:

#Intrebarea 1

q1 = 0

întrebare1 = get_file ("întrebare1.txt")

întrebare1_1 = ast.literal_eval(intrebare1[0])

întrebare1_1 =sortată(întrebare1_1.articole(), cheie=lambda x: x[0])

întrebare1_2 = ast.literal_eval(întrebare1[1])
 întrebare1_2 =sortată(întrebare1_2.articole(), cheie=lambda x: x[0])

întrebare1_3 = ast.literal_eval(întrebare1[2])

întrebare1_3 =sortată(întrebare1_3.articole(), cheie=lambda x: x[0])

if(md5(str(intrebare1_1).encode()).hexdigest() == "5234e07f99ab2b913f26a9dd0d37a3e7" și
md5(str(intrebare1_2).encode()).hexdigest() == "8cf618082cb737082c73737045"
5(str(intrebare1_3) .encode()).hexdigest() == „7dfebef1f84a7c27b5562b8e84f692b0” și
md5(str(întrebare1[3]).encode()).hexdigest() == „a6105c0a611b41b08f63”):509208f63)

q1 = q1 +20

cu exceptia:

q1 = 0

#Intrebarea 2

încerca:

q2 = 0

întrebare2 = get_file ("întrebare2.txt")

întrebare2_1 = ast.literal_eval(intrebare2[0])

întrebare2_1 =sortată(întrebare2_1.articole(), cheie=lambda x: x[0])

if(md5(str(intrebare2_1).encode()).hexdigest() == "69f10a3346bf0f8d8b902a06642ae4ca" și
md5(str(intrebare2[1]).encode()).hexdigest() == "a6105b4090509050505000000000 "):

q2 = q2 + 10

cu exceptia:

q2 = 0
#Întrebarea 3

încerca:

q3 = 0

întrebare3 = get_file ("întrebare3.txt")

întrebare3_1 = ast.literal_eval(întrebare3[0])

întrebare3_1 =sortată(întrebare3_1.articole(), cheie=lambda x: x[0])

întrebarea3_2 = ast.literal_eval(întrebarea3[1])

întrebare3_2 =sortată(întrebare3_2.articole(), cheie=lambda x: x[0])

if(md5(str(intrebare3_1).encode()).hexdigest() == "7759614969fe59a095a56b8eb2f6e812" și
md5(str(intrebare3_2).encode()).hexdigest() == "ba8c0fdd0804352fdd804352f6e812"

q3 = q3 + 20

cu exceptia:

q3 = 0

#Întrebarea4

încerca:

q4 = 0

întrebare4 = get_file ("întrebare4.txt")

 if (md5 (str (întrebarea4 [0]). code ()). hexdigest () == "f19bb046ca4ba9a016360ca151cc8a0a" și
md5 (str (întrebarea4 [1]). code ()). 866 ") :

q4 = q4 +10

cu exceptia:

q4 = 0

#Întrebarea5

încerca:

q5 = 0

întrebare5 = get_file ("întrebare5.txt")

întrebare5_1 = ast.literal_eval(intrebare5[0])

întrebare5_1 =sortată(întrebare5_1.articole(), cheie=lambda x: x[0])

if(md5(json.dumps(question5_1, sort_keys=True).encode('utf-8')).hexdigest() ==
"25fa51b43ce1c5bbc55fa494ce634be1" și md5(str(question5[1]).encode()). () ==
„a6105c0a611b41b08f1209506350279e” și md5(str(intrebare5[2]).encode()).hexdigest() ==
„7fa3b767c460b54a2be4d49030b349c7”):

q5 = q5 +20

cu exceptia:

q5 = 0

#Întrebarea 6
încerca:

q6 =0

întrebare6 = get_file ("întrebare6.txt")

întrebare6_1 = ast.literal_eval(intrebare6[0])

întrebare6_1 =sortată(întrebare6_1.articole(), cheie=lambda x: x[0])

if(md5(str(question6_1).encode()).hexdigest() == "cf85a8394c75181155a2b67a581601b0" and

md5(str(question6[1]).encode()).hexdigest() == "7fa3b767c460b54a2be4d49030b349c7"):

q6 = q6 +20

cu exceptia:

q6 = 0

încerca:

scor = q1 + q2 + q3 + q4 + q5 + q6

print("FS_SCORE:{0}%".format(score))

cu exceptia:

print("FS_SCORE:0%")