Ministerul Educaţiei și Cercetării al Republicii Moldova

Universitatea Tehnică a Moldovei

Departamentul Informatică și Ingineria Sistemelor

Disciplina: “Medii integrate de programare

interactive”

RAPORT
Lucrarea de laborator nr. 1

A efectuat:
st. gr. CR-212
Pirlea Cristian

A verificat: V. Struna

Chişinău – 2023

1
Cuprins
1. Tema: Module specializate. Module numerice. Prelucrarea și vizualizarea datelor...........................3
1.1 Obiective:....................................................................................................................................3
1.2 Cerinte:........................................................................................................................................3
2. Cod:.....................................................................................................................................................3
2.1 Varianta:......................................................................................................................................3
2.2 Sarcina 1:.....................................................................................................................................3
4.1 Rezultatele rularii:.......................................................................................................................5
4.2 Sarcina 2:.....................................................................................................................................5
4.3 Rezultatele rularii........................................................................................................................6
4.4 Concluzie:....................................................................................................................................8
5. Webografie..........................................................................................................................................9

2
 1. Tema: Module specializate. Module numerice. Prelucrarea și
vizualizarea datelor

1.1 Obiective:
Studiul modulelor și metodelor specifice.

Aplicarea modulelor pentru prelucrarea datelor și reprezentarea grafică

1.2 Cerinte:
Revizuiți materialul didactic de la curs

2. Cod:

2.1 Varianta:

2.2 Sarcina 1:
3. import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

excel_file = "file1.xlsx"
sheet_name = "table"
start_year = 2009
end_year = 2019

# Incarcarea datele din Excel

try:
df = pd.read_excel(excel_file, sheet_name=sheet_name)
except FileNotFoundError:
print("Fișierul Excel nu a fost găsit.")
exit()
except pd.errors.EmptyDataError:
print("Nu există date în foaia de calcul specificată.")
3
 exit()

# Selectarea coloanele cu date din intervalul specificat

date_columns = [str(year) for year in range(start_year, end_year + 1)]
selected_columns = [col for col in df.columns if col in date_columns]

missing_columns = [col for col in date_columns if col not in

selected_columns]
if missing_columns:
print(f"Coloanele cu date {missing_columns} nu au fost găsite în
foaia de calcul specificată.")
exit()

# Concatenat
combined_series = pd.concat([df[col] for col in selected_columns],
ignore_index=True)

# Calcularea statisticilor
mean_value = combined_series.mean()
std_deviation = np.std(combined_series)
amplitude = combined_series.max() - combined_series.min()
mode_value = combined_series.mode().iloc[0]

# Afisare
print("\nStatistici pentru toate coloanele selectate:")
print("Mean:", mean_value)
print("Standard Deviation:", std_deviation)
print("Amplitude:", amplitude)
print("Mode:", mode_value)

# Generarea diagramelor pentru toate coloanele

fig, axes = plt.subplots(2, 2, figsize=(12, 8))

# Histogramă
sns.histplot(combined_series, kde=False, ax=axes[0, 0])
axes[0, 0].set_title('Histogram')

# Grafic liniar
sns.lineplot(x=combined_series.index, y=combined_series, ax=axes[0, 1])
axes[0, 1].set_title('Grafic liniar')

# Grafic cu bare
sns.barplot(x=combined_series.index, y=combined_series, ax=axes[1, 0])
axes[1, 0].set_title('Grafic cu bare')

# Grafic cu diagramă de tort

counts = combined_series.value_counts()
axes[1, 1].pie(counts, labels=counts.index, autopct='%1.1f%%')
axes[1, 1].set_title('Grafic cu diagramă de tort')

plt.tight_layout()
plt.show()
4.

4
4.1 Rezultatele rularii:

4.2 Sarcina 2:
data = pd.read_excel('GDP.xlsx')

# Example column names; replace these with the actual column names in
your dataset
country_column = 'Economy'
gdp_column = 'US dollars)'

# Extracting data for the Union of South American Nations (UNASUR)

unasur_countries = ["Argentina", "Bolivia", "Brazil", "Chile",
"Colombia", "Ecuador", "Guyana", "Paraguay", "Peru", "Suriname",
"Uruguay", "Venezuela"]

# Assuming 'Country Name' contains the country names

unasur_data = data[data[country_column].isin(unasur_countries)]

# Example plot: dynamic change in GDP for a selected period and

countries
plt.plot(unasur_data[country_column], unasur_data[gdp_column])
plt.title('GDP Dynamics for UNASUR Countries')
plt.xlabel('Country')
plt.ylabel('GDP')
plt.show()

# Example histogram: distribution of GDP among all countries for the

last available year
plt.hist(unasur_data[gdp_column].dropna(), bins=20) # Adjust the number
of bins as needed
plt.title('GDP Distribution among UNASUR Countries (Last Available
Year)')
plt.xlabel('GDP')
plt.ylabel('Frequency')
plt.show()

5
 # Example pie chart: distribution of GDP among countries in a common
economic space for the last available year
# (Assuming 'Union of South American Nations' is the common economic
space)
common_economic_space_countries = ["Argentina", "Brazil", "Chile",
"Colombia", "Ecuador", "Guyana", "Paraguay", "Peru", "Suriname",
"Uruguay", "Venezuela"]
common_economic_space_data =
unasur_data[unasur_data[country_column].isin(common_economic_space_count
ries)]

plt.pie(common_economic_space_data[gdp_column],
labels=common_economic_space_data[country_column], autopct='%1.1f%%')
plt.title('GDP Distribution in the Union of South American Nations (Last
Available Year)')
plt.show()

4.3 Rezultatele rularii

6
7
 4.4 Concluzie:

Finalizând proiectul de laborator, am creat o aplicație Python dedicată analizei datelor

economice ale țărilor implicate în Uniunea Națiunilor Sud-Americane (UNASUR). Pentru
manipularea eficientă a datelor, am utilizat biblioteci puternice precum Pandas pentru
gestionarea seturilor de date și Matplotlib pentru crearea vizualizărilor grafice.
Structura solidă a codului dezvoltat ne-a permis să efectuăm operațiuni complexe asupra datelor,
inclusiv extragerea și filtrarea acestora. Analiza detaliată a informațiilor economice a fost pusă în
aplicare, iar rezultatele au fost prezentate sub forma unor grafice relevante. Aceste vizualizări au
avut rolul de a evidenția tendințele și distribuția datelor în cadrul acordului economic UNASUR.
Prin implementarea acestei aplicații, am demonstrat nu doar abilitățile de manipulare a datelor în
Python, dar și capacitatea de a oferi o prezentare clară și accesibilă a informațiilor economice
complexe. Aplicația dezvoltată reprezintă nu doar un instrument util pentru analiza datelor
UNASUR, ci și o mostră de abilități practice în lucrul cu biblioteci esențiale din ecosistemul
Python.

8
5. Webografie

 www.jetbrains.com
 https://www.w3schools.com/python/module_math.asp
 https://www.w3schools.com/python/module_cmath.asp
 https://pythonru.com/osnovy/cikl-while-v-python
 https://habr.com/ru/articles/123821/
 https://habr.com/ru/articles/510426/
 https://statistica.gov.md/ro/statistic_indicator_details/29
 https://datacatalog.worldbank.org/search/dataset/0038130/GDP-ranking