Opravy (#84)

* Opravy

* Update python-pro-data-1/nacteni-dat/nacteni-dat.md

Co-authored-by: Martin Zelený <[email protected]>

---------

Co-authored-by: Martin Zelený <[email protected]>

Author: pesikj

python-pro-data-1/nacteni-dat/nacteni-dat.md

@@ -25,7 +25,11 @@ Celý DataFrame vypíšeme na obrazovku pomocí funkce `print()`.
 
 Všimni si, že `pandas` nám přidal nový sloupec s číslem řádku. Jedná se o **index**, se kterým budeme později pracovat. Index je hodnota, která identifikuje řádek. V některých případech nemusíme jako index používat číslo řádku, ale můžeme jako index vybrat některý ze sloupců. Obdobnou funkci má v databázích **primární klíč**. Jako *best practice* se většinou uvádí, že index by měl být **unikátní**, i když to `pandas` (na rozdíl od právě databází) nevyžadují. Na druhou stranu, práce s tabulkou, kde index není unikátní, je [pomalejší](https://stackoverflow.com/q/16626058/4693904). 
 
-My bychom si jako index zvolit sloupec `fdc_id`.
+My bychom si jako index mohli zvolit sloupec `fdc_id`. To bychom provedli pomocí metody `set_index()`.
+
+```py
+food.set_index("fdc_id", inplace=True)
+```
 
 Pandas nabízí kromě funkce `read_csv()` také funkci pro čtení formátu JSON `read_json()` nebo dokonce funkci pro čtení přímo Excelových tabulek `read_excel()`.
 
@@ -37,7 +41,7 @@ Jakmile máme tabulku načtenou, budeme o ní chtít vědět nějaké úplně z
 food.info()
 ```
 
-Výsledek je vidět níže.
+Výsledek je vidět níže. Takto vypadá výsledek v případě, že nenastavíme sloupec `fdc_id` jako index. Pokud bychom to udělali, v seznamu sloupců `fdc_id` neuvidíme.
 
 ```shell
 <class 'pandas.core.frame.DataFrame'>
@@ -86,6 +90,8 @@ Názvy všech sloupců pak z vlastnosti `columns`:
 print(food.columns)
 ```
 
+Níže je výstup příkazu. Opět platí, že kdybychom nastavili sloupec `fdc_id` jako index, tak tímto příkazem vypsán nebude.
+
 ```shell
 Index(['fdc_id', 'data_type', 'description', 'food_category_id', 'publication_date'], dtype='object')
 ```

python-pro-data-1/podmineny-vyber/assets/food_nutrient.csv

@@ -0,0 +1,101 @@
+jméno,četnost,věk,pohlaví,původ
+Jiří,296090,49,m,řecký
+Jan,293938,40,m,hebrejský
+Petr,272135,42,m,řecký
+Jana,264944,50,ž,hebrejský
+Marie,260526,65,ž,hebrejský
+Josef,211317,57,m,hebrejský
+Pavel,200997,46,m,latinský
+Martin,188380,33,m,latinský
+Tomáš,181926,30,m,aramejský
+Jaroslav,172785,55,m,slovanský
+Eva,152463,53,ž,hebrejský
+Miroslav,147753,52,m,slovanský
+Hana,145901,51,ž,hebrejský
+Anna,134819,51,ž,hebrejský
+Zdeněk,126094,54,m,slovanský
+Václav,123927,51,m,slovanský
+Michal,123324,32,m,hebrejský
+František,122910,58,m,italský
+Lenka,118763,40,ž,neznámý
+Kateřina,118127,29,ž,řecký
+Lucie,111937,27,ž,latinský
+Jakub,108013,19,m,hebrejský
+Milan,107458,51,m,slovanský
+Věra,107388,63,ž,slovanský
+Alena,105093,55,ž,hebrejský
+Karel,104072,55,m,straroněmecký
+Lukáš,102982,23,m,latinský
+Petra,102693,35,ž,řecký
+David,101311,25,m,hebrejský
+Veronika,88854,25,ž,řecký
+Jaroslava,84556,63,ž,slovanský
+Vladimír,83762,56,m,slovanský
+Tereza,83692,18,ž,řecký
+Martina,81312,36,ž,latinský
+Michaela,78823,28,ž,hebrejský
+Jitka,78187,51,ž,hebrejský
+Ondřej,76225,22,m,řecký
+Helena,74391,58,ž,řecký
+Ludmila,72750,65,ž,slovanský
+Ladislav,69797,55,m,slovanský
+Zdeňka,69060,61,ž,slovanský
+Ivana,68917,49,ž,slovanský
+Roman,67754,40,m,latinský
+Monika,63857,35,ž,řecký
+Marek,63088,27,m,latinský
+Stanislav,61889,54,m,slovanský
+Eliška,61517,24,ž,hebrejský
+Zuzana,61382,34,ž,hebrejský
+Daniel,60935,23,m,hebrejský
+Markéta,59734,32,ž,řecký
+Jarmila,59666,65,ž,slovanský
+Radek,58589,36,m,slovanský
+Barbora,57201,22,ž,řecký
+Jiřina,55366,64,ž,řecký
+Antonín,53794,51,m,latinský
+Marcela,53654,50,ž,latinský
+Vojtěch,52802,22,m,slovanský
+Kristýna,51422,18,ž,řecký
+Dana,50781,51,ž,hebrejský
+Dagmar,50646,55,ž,skandinávský
+Filip,50464,17,m,řecký
+Adam,47837,14,m,hebrejský
+Adéla,45156,15,ž,germánský
+Pavla,41774,43,ž,latinský
+Vlasta,41736,68,ž,slovanský
+Andrea,41151,31,ž,řecký
+Miroslava,41151,54,ž,slovanský
+Irena,41054,56,ž,řecký
+Božena,39851,72,ž,slovanský
+Klára,39600,22,ž,latinský
+Libuše,39269,66,ž,slovanský
+Marta,38897,63,ž,aramejský
+Matěj,38519,13,m,hebrejský
+Šárka,38339,37,ž,slovanský
+Nikola,37996,19,ž,řecký
+Karolína,36997,15,ž,německý
+Iveta,36461,41,ž,německý
+Pavlína,35863,37,ž,latinský
+Natálie,33761,11,ž,řecký
+Olga,33669,58,ž,skandinávský
+Dominik,33322,14,m,latinský
+Aleš,33074,38,m,řecký
+Miloslav,32769,60,m,slovanský
+Blanka,31516,54,ž,latinský
+Gabriela,31175,33,ž,hebrejský
+Jaromír,30984,55,m,slovanský
+Patrik,30682,20,m,latinský
+Renata,30617,44,ž,latinský
+Libor,30464,44,m,latinský
+Aneta,29840,17,ž,hebrejský
+Simona,29618,30,ž,hebrejský
+Růžena,28952,69,ž,slovanský
+Radka,26939,38,ž,slovanský
+Daniela,26536,38,ž,hebrejský
+Denisa,26299,23,ž,řecký
+Jindřich,26230,51,m,německý
+Vlastimil,26014,54,m,slovanský
+Iva,26003,46,ž,slovanský
+Miloš,25509,53,m,slovanský
+Zdenka,25416,68,ž,slovanský

python-pro-data-1/podmineny-vyber/excs/ceska-jmena-2/assets/jmena.csv

@@ -0,0 +1,16 @@
+---
+title: Česká jména
+demand: 3
+---
+
+Stáhni si soubor [jmena.csv](assets/jmena.csv), která obsahuje nejpoužívanější česká jména.
+
+1. Vypiš všechny řádky se jmény, jejichž nositelé mají průměrný věk vyšší než 60.
+1. Vypiš pouze jména z těch řádků, kde četnost je mezi 80 000 a 100 000.
+1. Vypiš jména a četnost pro jména se slovanským nebo hebrejským původem. Kolik takových jmen je?
+
+Pro poslední úkol můžeš využít operátor `|`. Alternativně si můžeš vyzkoušet metodu `.isin()`, která zápis zkrátí. Jako parametr vkládáme seznam hodnot, které vyhovují podmínce. Níže je příklad použití metody. Z tabulky `tabulka` chceme vybrat řádky, které ve sloupci `sloupec` mají hodnotu `hodnota_1` nebo `hodnota_2`. Pokud jsi vytvořil(a) i verzi s operátorem `|`, můžeš obě verze porovnat a rozhodnout se, která verze se ti líbí více.
+
+```python
+tabulka = tabulka[tabulka["sloupec"].isin(["hodnota_1", "hodnota_2"])]
+```

python-pro-data-1/podmineny-vyber/excs/ceska-jmena-2/exercise.md

@@ -40,7 +40,7 @@ food_nutrient["name"]
 Nás by mohlo zajímat, jaké všechny výživné látky v datech jsou. K tomu nám snaží vidět každý název jenom jednou. Jinak řečeno, potřebujeme unikátní hodnoty. K tomu můžeme využít metodu `.unique()`.
 
 ```py
-food_nutrient["name"]
+food_nutrient["name"].unique()
 ```
 
 Též může být zajímavé, kolikrát máme o některé z výživných látek informaci. K tomu můžeme použít metodu `.value_counts()`. Ta nám pro každou výživnou hodnotu zobrazí, kolikrát se v tabulce vyskytuje.
@@ -143,4 +143,4 @@ Pokud chceme, aby stačilo splnění jedné podmínky, použijeme symbol `|`.
 
 ## Bonusy
 
-::exc[excs/ceska-jmena-2]
+::exc[excs/ceska-jmena]

python-pro-data-1/podmineny-vyber/excs/ceska-jmena/assets/jmena.csv

@@ -11,6 +11,8 @@ Pro tabulku `branded_food` splň následující úkoly.
 1. Ve sloupci `brand_owner` jsou názvy výrobců potravin. Zjisti tři výrobce s největším počtem potravin v tabulce.
 1. Ve sloupci `branded_food_category` jsou kategorie potravin. Zjisti pět kategorií s největších počtem potravin v tabulce.
 
+Nápověda: Na body 2 a 3 využij metodu, kterou jsme si již ukazovali v předchozí lekci. Její název se skládá ze dvou slov - anglického výrazu pro hodnotu a pro počet.
+
 V tabulce je sloupec `fdc_id`, pomocí kterého ji můžeš propojit s tabulkou `food_merged`. Protože názvy jsou v obou tabulkách stejné, takže by bylo možné použít parametr `on`. Vyzkoušej si ale místo toho parametry `left_on` a `right_on`, kterým dáš stejnou hodnotu, tj. název sloupce `fdc_id`. Výsledek ulož do tabulky `food_merged_brands`.
 
 Pro tabulku `food_merged_brands` splň následující úkoly.

python-pro-data-1/podmineny-vyber/excs/ceska-jmena/exercise.md

@@ -61,8 +61,9 @@ My funkci využijeme, abychom si vytvořili větší tabulku s názvy potravin.
 Pozor na to, že v takto vzniklém DataFrame se nám **rozbije index**, protože se spojí za sebe indexy jednotlivých tabulek. Pokud chceme, aby `pandas` při spojování index přepočítal, musíme nastavit hodnotu parametru `ignore_index` na `True`.
 
 ```py
-food_other = pd.read_csv("food_other.csv", ignore_index=True)
-food = pd.concat([food_sample_100, food_other])
+food_sample_100 = pd.read_csv("food_sample_100.csv")
+food_other = pd.read_csv("food_other.csv")
+food = pd.concat([food_sample_100, food_other], ignore_index=True)
 ```
 
 K čemu je spojování vlastně dobré? Některé programy například ukládají data za každý den do samostatného souboru, takže pokud potřebujeme data za jeden týden, stačí nám stáhnout a spojit 7 souborů a ostatní stovky souborů a gigabajty dat můžeme ignorovat.

python-pro-data-1/podmineny-vyber/podmineny-vyber.md

@@ -1,3 +1,4 @@
 ## Cvičení
 
 ::exc[excs/odstin]
+::exc[excs/catplot]