Toggle navigation

• Projekt Jupyter
• Návody
• Stiahnuť
• Prihlásiť sa na test
• Prihlásiť sa

1. Data Lab
2. JDA
3. cvicenia
4. python4_ulohy.ipynb

Toto je statické zobrazenie, ak chcete Notebook spustiť, prihláste sa do prostredia Data Lab.

Úlohy k prednáške 4

Nižšie nájdete sadu cvičení/úloh, ktoré nadväzujú na prednášku o knižniciach NumPy a Pandas, tentokrát však použijeme iný dataset. Zameriame sa na dataset Wine zo scikit-learn, ktorý obsahuje informácie o chemických vlastnostiach rôznych druhov vín z Talianska. Úlohy sú koncipované tak, aby ste si precvičili prácu s dátami (načítanie, čistenie, transformácie, zlučovanie) a využili pritom základné nástroje Pandas a NumPy.

Poznámka: Dataset Wine obsahuje 178 vzoriek vína rozdelených do 3 kategórií (tzv. “class”) na základe odlišného pestovateľského prostredia. Každá vzorka má 13 rôznych chemických a fyzikálnych vlastností, napr. obsah alkoholu, kyselín, popola, farbu atď.

---

Cvičenia/Úlohy: Dataset Wine (sklearn)

0. Príprava prostredia

• Uistite sa, že máte nainštalovanú knižnicu scikit-learn, pandas, numpy.
• V Jupyter Notebooku (alebo vo vašom IDE) si naimportujte potrebné knižnice:

import numpy as np
import pandas as pd
from sklearn.datasets import load_wine

---

1. Načítanie dát a základný prieskum

1. Pomocou funkcie load_wine() načítajte dataset.
2. Vytvorte objekt typu DataFrame s názvami stĺpcov podľa feature_names.
3. Pridajte do DataFrame aj stĺpec target, ktorý bude obsahovať kategóriu (triedu) vína.
4. Vypíšte:
   • Rozmer datasetu (počet riadkov, počet stĺpcov)
   • Hlavné informácie o DataFrame
   • Základné štatistiky o číselných stĺpcoch

Tip:

• wine_data = load_wine()
• wine_data.data je numpy pole s hodnotami vlastností vín,
• wine_data.feature_names obsahuje mená stĺpcov,
• wine_data.target obsahuje kategórie vína (0, 1, 2).

# YOUR CODE

---

2. Indexovanie, výber stĺpcov a riadkov

1. Vyberte a vypíšte len prvých 5 riadkov datasetu.
2. Zo stĺpcov vyberte len:
   • Obsah alkoholu (alcohol)
   • Celkový obsah fenolov (total_phenols)
   • Kategóriu (target)
     Uložte tento “výsek” do novej premennej df_subset.
3. Z df_subset vyberte všetky vína, ktoré majú obsah alkoholu väčší ako priemerný obsah alkoholu v celom datasete (môžete použiť maskovanie alebo query).

# YOUR CODE

---

3. Čistenie dát a práca s chýbajúcimi hodnotami

Náš dataset Wine je síce r elatívne “čistý” a nemal by obsahovať chýbajúce hodnoty, ale na precvičenie práce s chýbajúcimi údajmi vykonajte:

1. Umelo vyberte 10 náhodných riadkov a v stĺpci total_phenols im nastavte hodnotu NaN (chýbajúca hodnota).
2. Overte, koľko riadkov teraz obsahuje chýbajúce hodnoty.
3. Vytvorte dve kópie vášho DataFrame:
   • df_dropped – kde vypustíte (drop) všetky riadky obsahujúce NaN.
   • df_filled – kde chýbajúce hodnoty nahradíte priemernou hodnotou z pôvodného stĺpca.
4. Porovnajte, v koľkých riadkoch sa tieto dve kópie líšia (resp. aký majú teraz počet riadkov).

# YOUR CODE

---

4. Agregácie a skupinové štatistiky (GroupBy)

1. Zgrupujte dáta podľa stĺpca target (t. j. podľa kategórie vína).
2. Vypíšte priemerné hodnoty obsahu alkoholu, popola (ash) a farby (color_intensity) pre každú kategóriu vína.
3. Zistite, ktorá kategória vína má najvyššiu priemernú farbu a ktorá najnižšiu priemernú (stĺpec color_intensity).
4. Obohaťte svoje štatistiky aj o minimá a maximá stĺpca malic_acid a stĺpca alcalinity_of_ash pre každú kategóriu.

# YOUR CODE

---

5. Spájanie / zlučovanie DataFrame (Merge)

1. Vytvorte si nový DataFrame df_labels, v ktorom budú len dva stĺpce:
   • target (hodnoty 0, 1, 2)
   • label (váš slovný popis danej kategórie, napr. “Kategória A”, “Kategória B”, “Kategória C”).
     Uistite sa, že čísla v target korešpondujú s vaším slovným popisom.
2. Spojte pôvodný DataFrame o vínach s novovytvoreným df_labels na základe stĺpca target.
3. Overte, že všetky riadky ostali zachované a že ste pridali správne labely.

# YOUR CODE

---

6. Transformácie stĺpcov

1. Vytvorte nový stĺpec acids_ratio definovaný ako pomer kyseliny jablčnej (malic_acid) ku kyslosti popola (alcalinity_of_ash) – t. j. acids_ratio = malic_acid / alcalinity_of_ash.
2. Na základe tohto stĺpca pridajte do DataFrame ďalší stĺpec acid_cat, ktorý bude kategorizovať vína podľa hodnoty acids_ratio:
   • low_acid (ak je hodnota menšia ako 0.2),
   • medium_acid (ak je hodnota >= 0.2 a < 0.35),
   • high_acid (ak je hodnota >= 0.35).
3. Skontrolujte, koľko vína spadá do každej z týchto kategórií.

# YOUR CODE

---

7. Pokročilejšie dotazy s query a maskovaním

1. Vytvorte masku, ktorá vyberie len vína z kategórie target == 1 s obsahom alkoholu väčším ako 13.5 a farbou (color_intensity) väčšou ako priemerná farba v celej vzorke.
2. Vyberte z pôvodného DataFrame tieto riadky a uložte ich do df_filtered.
3. Koľko záznamov spĺňa tieto podmienky?

# YOUR CODE

---

Bonus: Pivot tabulky a multi-index

Ak chcete precvičiť aj pivot a prácu s multi-indexami:

1. Vytvorte pivot tabulku, kde:
   • index bude kategória vína (target),
   • columns bude napríklad rozdelenie stĺpca acid_cat z úlohy 6,
   • values bude priemerný alcohol.
2. Urobte to isté aj pre min. a max. alcohol (nastavte aggfunc ako [min, max]) a sledujte štruktúru výslednej tabuľky s multi-indexom.

# YOUR CODE

---

© 2020-2025 KKUI