IB111 Základy programování Radek Pelánek
2018
1/83
1950 1960 1970 1960 1990 2000 2010
Rok
JAN, JAROSLAV, JIŘÍ, MAREK, MATĚJ, NIKOLA,
ONDŘEJ, RADEK, TOMÁŠ, VALDEMAR D > <fl> <s>       ž 0„c
2/83
připomenutí
• Jaká data budu zpracovávat?
• Jaká data budu potřebovat k řešení problému?
• Jaké operace s daty budu chtít provádět?
• Jak rychle budu chtít, aby operace s daty fungova
Dnešní prednáška
• použití datových struktur na praktických příkladech
• interakce volby dat a algoritmu
• vnorené datové struktury: seznam seznamů, slovník indexovaný dvojicí, slovník slovníků...
• práce s textem, soubory
Proč?
• vstupní data
• uložení výstupu programu
• zachování „stavu" programu mezi jednotlivými běhy větší projekty: databáze
základní postup:
• otevření souboru
• práce se souborem (čtení / zápis)
• zavření souboru
6/83
Práce se soubory: otevření, uzavření
• f = open(filename, mode)
• jméno souboru: řetězec
• způsob otevření:
• ctení ("r")
• zápis ("w") - přepíše soubor, pokud není, vytvoří jej
• přidání na konec ("a")
9 další možnosti: čtení i zápis, binární režim
• uzavření: f .closeO
7/83
Práce se soubory: čtení, zápis
• f . write(text) - zapíše řetězec do souboru
• neukončuje řádky, je třeba explicitně použít ; \n;
• f .readlineO - přečte jeden řádek
• f . readlines () - přečte všechny řádky, vrací seznam
řádků
• f .read(count) - přečte daný počet znaků
• f. read() - přečte celý soubor, vrací řetězec
• f. tell() - aktuální pozice v souboru
• f . seek(position) - přesun pozice v souboru
Práce se soubory: iterování po rá
deich
for line in f.readlines() print(line)
Alternativní způsob:
for line in my_file: print(line)
Frekvence slov v souboru
def word_freq_file(filename): f = open(filename) text = 1111
for line in f.readlines():
text += line output_word_freq(text)       # -> previ f. closeO
word_f req_f ile (Mdevatero_pohadek. txt11)
4 □ ►   < [S ►
Frekvence slov v souboru: úkol
Upravte výpis, aby vypisoval nejčastější slova zadané minimání délky.
a	2426	jsem	287
se	1231	jako	284
na	792	když	281
to	781	řekl	251
v	468	nebo	120
ze	467	jeste	110
je	446	pane	109
si	401	toho	91
tak	384	povídá	83
do	365	král	80
11/83
race se soubory: with
Speciální blok with
• není třeba soubor zavírat (uzavře se automaticky po ukončení bloku)
• souvislost s výjimkami
with open(M/tmp/my_file", MrM) as my_file: lines = my_file.readlines()
print(lines)
Zápis do souboru
Přímočará realizace cenzury dlouhých slov:
def censorship(filename, limit=5): f_in = open(filename) f_out = open(Mcensor_M+filename for line in f_in: out_line = 1111 for word in line.split(): if len(word) < limit:
out_line += word + else:
out.line += MXXX 11 f_out.write(out_line+M\nM) f _in. closeO f_out.close()
Ukázka vstupu a výstupu
report.txt:
Climate models project robust 7 differences in regional climate characteristics between present-day and global warming of 1.5 degree C, and between 1.5 degree C and 2 degree C. These differences include increases in: mean temperature in most land and ocean regions (high confidence), hot extremes in most inhabited regions (high confidence), heavy precipitation in several regions (medium confidence), and the probability of drought and precipitation deficits in some regions (medium confidence).
censor_report.txt:
XXX XXX XXX XXX 7 XXX in XXX XXX
XXX XXX XXX and XXX XXX of 1.5 XXX C,
and XXX 1.5 XXX C and 2 XXX C. XXX XXX XXX
XXX in: mean XXX in most land and XXX XXX XXX
XXX hot XXX in most XXX XXX XXX XXX
XXX XXX in XXX XXX XXX XXX and the
XXX of XXX and XXX XXX in some XXX XXX
XXX
Námět na cvičení: zachování interpunkce (tečky, čárky, závorky).
14/83
Prípadová studie: Číselné bludiště
jednoduchá logická úloha
ustrace pojmů a postupů:
• návrh algoritmu
• volba datových struktur
• seznam seznamů
• slovník
• fronta
• načítání ze souboru
• objekty
15/83
v.
Číselné bludiště
levý horní roh —> pravý dolní roh
skoky vertikálně a horizontálně, číslo = délka skoku
	4	4	3	3		3	3	1	3	2		4	2	1	2	3
						1	1	2	1	3		1	2	2	2	3
						1	3	1	2	4		1	4	4	3	3
2	2	3	2	i]		4	3	4	1	4		3	4	3	1	4
1	4	4	4			4	1	4	4	lír		3	2	3	4	★
K vyzkoušení: www.umimematiku.cz/skakacka
16/83
• nej kratší cesta
• vzhledem k počtu skoků
• vzhledem k celkové délce cesty
• kontrola jednoznačnosti nejkratšího řešení
• generovaní „co nejtěžšího" zadaní
17/83
Reprezentace bludiště
Jak budeme v programu reprezentovat bludiště?
2	4	4	3	3
2	3	3	2	3
3	2	3	1	3
2	2	3	2	1
1	4	4	4	
zadáni 5
24433 23323 32313 22321 14440
txt
Seznam seznamů
„klasická" reprezentace - dvojrozměrné pole (seznam seznamů v Pythonu)
maze[x][y] = number
[[2, 2, 3, 2, 1], [4, 3, 2, 2, 4], [4, 3, 3, 3, 4], [3, 2, 1, 2, 4], [3, 3, 3, 1, 0]]
2	4	4	3	3
2	3	3	2	3
3	2	3	1	3
2	2	3	2	1
1	4	4	4	
Poznámka: maze[x] [y] nebo maze[y] [x]? (častý zdroj chyb: nekonzistence)
19/83
Načítání ze souboru
def read_maze(filename=Minput.txt"): f = open(filename) n = int(f readlineO) maze = [[0 for y in range(n)]
for x in range(n)] for y in range(n):
line = f .readlineO for x in range(n):
maze [x] [y] = int(line [x]) f. closeO return maze
20/83
Algoritmus
Jak najít řešení?
2 4		4	3 3	
2 3		3	2 3	
3 2		3	13	
2	2	3	2	1
1	4	4	4	★
J_I
speciální případ obecného „prohledávání do šířky":
• systematicky zkoušíme všechny následníky
• pamatujeme si, kde už jsme byli
• pro každé pole si pamatujeme předchůdce (rekonstrukce cesty)
2 4		4	3	3	2		4 4		I3	3	2 4 4			I3	3
2	3	3	2	3		2	3	3	2	3	2	3	3	2	3
3	2	3	1	3		3	2	3	1	3	i	2	3	1	3
2	2	3	2	1		2	2	3	2	1	2	2	3	2	1
1	4	4	4			1	4	4	4		1	4	4	4	
2	4	4	3	3	2 4		4 í	3 3
2	3	3	2	3	2	3	3 í	2 3
■	2	3	1	3	i	2		|3
2	2	3	2	1	2	2	3 í	l 1
1	4	4	4	*	1	4	4 *	* *
< [f? ► < -e ► < -ž ►    -e   -oq,o
23/83
co si potrebujeme pamatovat:
• fronta polí, které musíme prozkoumat (světle zelená pole)
• množina polí, která už jsme navštívili (tmavě zelená pole)
• informace o předchůdcích (světle modré šipky)
optimalizace: podle informace o předchůdcích poznáme, kde už jsme byli
24/83
Zápis v Pythonu - přímočaré řešení
def solve(n, maze): start = (0, 0) queue = deque([start]) pred = [[(-1, -1) for x in range(n)] for y in range(n)]
while len(queue) > 0:
(x, y) = queue.popleft() if maze [x] [y] == 0:
print_solution((x, y), pred)
break k = maze [x] [y]
if x+k < n and pred[x+k][y] == (-1, -1):
queue.append((x+k, y))
pred [x+k] [y] = (x, y) if x-k >= 0 and pred[x-k] [y] == (-1, -1):
queue.append((x-k, y))
pred [x-k][y] = (x, y) if y+k < n and pred[x][y+k] == (-1, -1):
queue.append((x, y+k))
pred[x] [y+k] = (x, y) if y-k >= 0 and pred[x][y-k] == (-1, -1):
queue.append((x, y-k))
pred[x] [y-k] = (x, y)
25/83
• příkaz break - opuštění cyklu
• využití zkráceného vyhodnocování
26/83
Alternativní reprezentace: slovník
slovník indexovaný dvojicí
souřadnice (x, y) —>► číslo na dané souřadnici
maze[(x, y)] = number
{(1,	2):	2,	(3,	2):	1,	(0,	0):	2,
(3,	0):	3,	(2,	2):	3,	(2,	1):	3,
(1,	3):	2,	(2,	3):	3,	(1,	4):	4,
(2,	4):	4,	(4,	2):	3,	(0,	3):	2,
... }
U n-tic většinou nemusíme psát závorky:
• a, b = b, a
místo
(a, b) = (b, a)
• maze[x, y] místo
maze[(x, y)]
28/83
Slovník vs seznam seznamů
Pozor na rozdíl!
• maze[x] [y] - seznam seznamů
• maze [x, y] - slovník indexovaný dvojicí
29/83
Další vylepšení
Zobecnění repetitivního kódu
„copy&paste" kód pro 4 směry f or cyklus přes 4 směry
Předchůdci
• pamatujeme si rovnou celou cestu (*)
• také slovník
(*) to je sice „plýtvání pamětí", ale vzhledem k velikosti zadání nás to vůbec nemusí trápit
30/83
Upravený kód
def solve(maze): start = (0, 0) queue = deque([start]) pred = {}
pred[start] = [start] while len(queue) > 0:
(x, y) = queue popleftO if maze[x, y] ==0:
print(pred[x,y] ) for (dx, dy) in [(-150)5  (150)5  (0,-1), (0,1)]: newx = x + dx * maze[x, y] newy = y + dy * maze[x, y] if (newx, newy) in maze and \ not (newx, newy) in pred: queue.append((newx, newy))
pred[newx, newy] = pred[x, y] + [(newx, newy)]
1 J 1 J< □ i   < S" ►     !► < 1 >0<\O
31/83
Někdy jsou závorky důležité:
• s = [1, 2] - seznam obsahující dva prvky
s = [(1, 2)] - seznam obsahující jeden prvek (dvojici)
• s.append((l, 2)) - přidávám dvojici s.appendd, 2) - volám append se dvěma argumenty (chyba)
32/83
class Maze:
def__init__(self):
# initialize
def read(self, filename):
# read maze from file
def solve(self) :
# find solution
def print_solution(self):
# text output
def save_image(self, filename, with_solution=True):
# save maze as an imaqe
33/83
• pro základní úlohu není nezbytné
• velmi vhodné pro rozšírení, napr. „hledání těžkých zadání" (potreba pracovat s více zadáními současně)
• doporučené cvičení
34/83
Piškvorky
herní plán:
• plán omezené velikosti
• neomezený plán
„chytrý" algoritmus?
35/83
• globální proměnné
• drawJboard O
• makejnove(x, y)
• předávání funkcím
• drawJboard(board, size)
• make-move (board, size, x, y, player)
• objektová reprezentace
o game. drawJboard ()
• game .make_move(x, y)
36/83
mplementace strategií: nevhodný styl
def strategy(num):
if num ==0: # random strategy x = randintd, N) y = randintd, N) elif num == 1: # first empty for x in range(N):
for y in range(N): s = board[x][y] # and so on elif num ==2: # clever # and so on.. .
37/83
def strategy_random(board):
x = randint(l, board.size) y = randint(l, board.size) return x, y
def strategy_first_empty(board): for x in range(board.size):
for y in range(board.size): s = board [x] [y] # and so on. . .
strategies = {"random": strategy_random,
"first": strategy_first_empty, "clever": strategy_clever}
x, y = strategies[playerl_strategy] (board)
38/83
Piškvorky: reprezentace strategií
ještě lepší přístup: objektová reprezentace
• reprezentace paměti, historie
• využití dědičnosti (pokročilejší koncept z OOP)
• hierarchie strategií
• eliminace repetitivního kódu
39/83
Volba datové struktur
Jaká datová struktura pro reprezentaci stavu
• Člověče, nezlob se!
• Želví závody
• Pexeso
Člověče, nezlob se!
v
Želví závody
42/83
Pexeso - simulace paměti
• simulace hry pexeso
9 hráči s různě dokonalou pamětí:
• prázdná paměť (náhodná hra)
• dokonalá paměť
• omezená paměť - „buffer" velikosti k
• pravděpodobnost výhry pro jednotlivé hráče
• reprezentace stavu hry (kartiček)?
• reprezentace paměti?
44/83
Kahoot otázky: 1, 2
a b
c
[1, 2, 3] [(1, 2, 3)] [(1, 2), 3]
45/83
data = {"a":  [1, 3, 7, 12],
"c":  [2, 5], "x":  [19, 2, 4]}
data["d"] = [1, 2]
data["cM] = [6, 7]
46/83
dl = {"a": 5, "c": "R2D2"}
d2 = {"b": 8, "a": 7, "B": "C3P0"}
s = [dl, d2]
t = "BB8"
47/83
Kahoot otázky: 8
board = {(3, 0, 1)
(1, 2, 2)
(2, 4, 3)
(3, 0, 2)
x = []
nums = []
for i in range(3): nums.append(x) x.append(i)
zualizace Python Tutor
Python 3.6
1   x = [] 1   nums = []
for i in range(3): rums. append (jí) : x.append(i)
Edit code I Live programming jted
Frames Objects
50/83
Práce s textem
• operace s textem - připomenutí a rozšíření
• ukázka zpracování
51/83
Rozdělení a spojení řetězce
• split - rozdělí řetězec podle zadaného podřetězce, vrací seznam částí
• join - spojení seznamu řetězců do jednoho
>» text = "Holka modrooká nesedavej u potoka" »> text, split ()
[;Holka;,  ;modrooká;,  ;nesedavej; ,  ; u; ,  ;potoka;] »> text .split (;o;)
[;H;, ;lkam;, ;dr;, ;;, ;ka nesedavej up;, ;t;, ;ka;] »> text .split (;ka;)
['Hoľ,  ; modroo;,  ;nesedavej u poto;, ;;]
4 ^ >■   4 ± k   4  S ►
52/83
Změna vs. návratová hodnota
častá chyba (cvičení z předchozích let): použití split, ignorování návratové hodnoty
split:
• je metoda třídy řetězec
• nemění objekt
9 ani nemůže, řetězce jsou neměnné
• vrací jako návratovou hodnotu seznam řetězců
typický příklad užití:
word_list = sentence.split ()
Řetězce: další funkce
• find, count - vyhledávání a počítání podřetězců
• replace - nahrazení podřetězce
• lower, upper - převod na malá/velká písmena
• ljust, rjust, center - zarovnání textu
• lstrip, rstrip - ořezání bílých znaků na začátku/konci
Pozn. objektová notace, metody
4 ^ >■   4       >   4 S ►
54/83
Analýza textu
vstup: text (v textovém souboru) výstup: zajímavé statistiky
• délka vět, slov
• nejčastější slova (určité minimální délky) o frekvence písmen, digramy, trigramy
cvičení
4 □ ►   < S
Analýza textu
statistiky délky slov a vět:
• x - průměr
• s - směrodatná odchylka (míra variability)
slova věty
x       s        x s
Starý zákon	4.3	2.3	14.9	7.8
Čapek	4.5	2.5	14.9	13.3
Pelánek	5.9	3.6	13.5	6.9
Wikipedie	5.6	3.0	14.8	8.3
• vstup: rozsáhlý text
• výstup: náhodně generovaný text, který má „podobné charakteristiky" jako vstupní text
• imitace na úrovni písmen nebo slov
57/83
Náhodnostnŕ imitace vstupního textu
I špiské to pole kavodali parnas ne nebo kdy v Dejný Odm sem uvalini se zabijí s Pan stěží ře, a silobe lo v ne řečekovících blova v nadrá těly jakvěmutelaji rohnutkohonebout anej Fravinci V A pěk fine houty. zal Jírakočítencej ské žil, kdDo jak a to Lorskříže si tomůžu schno mí, kto.
Kterak král kočku kupoval V zemi Taškářů panoval král a zapřísáhl se velikou přísahou že bude pochválena První pán si jí ani nevšimnul zato druhý se rychle shýbl a Juru pohladil Aha řekl sultán a bohatě obdaroval pana Lustiga koupil od něho telegram z Bombaje v Indii není o nic horší člověk nežli někdo z mých hraček Kdepak mávl Vašek rukou
-
Základní prístup
O vstupní text ^> statistiky textu
Q statistiky =^ generování náhodného textu
Co jsou vhodné statistiky?
59/83
Statistiky textu
• základ: frekvence písmen (slov)
• rozšíření: korelace mezi písmeny (slovy)
příklad: pokud poslední písmeno bylo a: a e velmi nepravděpodobné (méně než obvykle)
• 1, k hodně pravděpodobná (více než obvykle)
4 □ ►   < [S ► <
Implementace
• základní frekvenční analýza - datová struktura seznam nebo slovník
písmeno frekvence
• rozšírená analýza - seznam seznamů nebo slovník slovníků písmeno     { písmeno     frekvence }
generovaní
• podle aktuálního písmene získám frekvence
• vyberu náhodné písmeno podle těchto frekvencí „vážená ruleta"
61/83
• seznam seznamů - tabulka 26 x 26, pouze pro malá písmena anglické abecedy
• slovník slovníků - pro libovolné symboly
4 ^ >■   4 ± k   4  S ►
62/83
def
def
ce písmen: seznamy
letter_ord(char):
return ord(char) - ord(;a;)
letter_correlations(text): counts = [[0 for a in range(26)]
for i in range(len(text)-1): a = letter_ord(text [i]) b = letter_ord(text [i+1]) if 0 <= a <= 26 and 0 <= b <= 26:
for b in range(26)]
counts[a][b] += 1
return counts
63/83
Výpis nejčastějších následujících písmen
def most_common_after(letter, counts, top_n=5): i = letter_ord(letter)
letter_counts = [(counts [i] [j], chr(ord(;a;)+j))
for j in range(26)] letter_counts.sort(reverse=True) for count, other_letter in letter_counts [:top_n] print(other_letter, count)
4 ^ >■   4 ± k   4  S ►
64/83
Korelace písmen: slovníky
def symbol_correlation(text): counts = {} last = 11 11 for symbol in text:
if last not in counts:
counts [last] = {} counts[last][symbol] = counts[last].get(symbol, 0)+l last = symbol return counts
Tip pro kratší kód: def aultdict
65/83
Výpis nejčastějších následujících písmen
def most_common_after_symbol(symbol, counts, top_n=5) print(sorted(counts [symbol].keys(),
key=lambda s:
-counts[symbol] [s]) [:top_n])
66/83
def get_next_letter(current, counts):
total = sum(counts[current].values()) r = random.randint(0, total-1) for symbol in counts [current].keys(): r -= counts [current][symbol] if r < 0:
return symbol return 11 11
def imitate(counts, length=100): current = 11 11 for _ in range(length):
print (current, end=M 11)
current = get_next_letter(current, counts)
67/83
v A/
mitace textu: rozšířeni
• nebrat v potaz pouze předcházející písmeno, ale k předcházejících písmen
• doporučené cvičení
68/83
mitace sofistikovaněji
• Recurrent Neural Networks - dokáží postihnout i složitější aspekty jazyka
• básně, recepty, Wikipedia články, zdrojové kódy, ...
http://karpathy.github.io/2015/05/21/rnn-effectiveness/
PANDARU5:
Alas, I think he shall be come approached and the day When little srain would be attain'd into being never fed, And who is but a chain and subjects of his death, I should not sleep.
Second Senator:
They are away this miseries, produced upon my soul, Breaking and strongly should be buried, when I perish The earth and thoughts of many states.
DUKE VINCENTIO:
Well, your wit is in the care of side and that. Second Lord:
They would be ruled after this chamber, and
my fair nues begun out of the fact, to be conveyed,
Whose noble souls I'll have the heart of the wars.
69/83
Statistiky jmen
o data: četnosti jmen, příjmení podle roků, krajů, ...
• zdroj: Ministerstvo vnitra CR
http: //www.mvcr. cz/clanek/četnost- jmen-a-prijmeni-722752. aspx
• XLS - pro zpracování v Pythonu uložit jako CSV (comma-separated values)
• profiltrovaná data (nejčastější jména):
docs.google.com/spreadsheets/d/ltbhl-sHEnDOUnbxXOBXf9CaWJb50tyy0abp0HX6gioc
• doporučené cvičení
• snadno zpracovatelné
• zajímavá data
• cvičení na vymýšlení otázek
• následuje několik ukázek pro inspiraci ...
70/83
_1				□	E	F	G	H				L	M	N
1	JMÉNO 1950		1951	1952	1953	1954	1955	1956	1957	1956	1959	1960	1961	1962
2	ADAM	15	10	17	17	7	10	9	11	9	11	7	B	10
3	ADÉLA	13	16	23	30	19	28	19	22	21	8	12	15	~»
4	ADRIANA	2		3	3	2	3	5	2	7	8	10	B	11
5	ALENA	2304	3041	3033	3337	3431	361 ■	3560	3290	2£73	2743	2600	2651	2474
6	ALEŠ	100	164	170	222	222	231	255	271	251	280	302	317	397
7	ALEXANDR	66	65	72	67	57	70	47	54	62	57	57	90	56
8	ALEXANDRA	90	107	76	102	80	87	70	63	58	54	70	60	69
9	ALICE	72	76	72	95	91	89	109	86	96	91	103	100	95
10	ALOIS	332	312	271	303	232	283	229	215	216	195	146	163	144
11	ALŽBĚTA	126	131	112	110	89	83	75	77	73	55	45	43	34
12	AMÁLIE	6	4	4	2	0	1	2	1	1	1	1	3	0
13	ANDREA	11	7	9	9	12	13	4	14	11	10	25	16	26
14	ANETA	0	0	2	1	0	3	0	2	1	2	1	1	1
15	ANEŽKA	271	232	220	170	186	157	128	127	106	91	77	52	52
16	ANNA	3163	2993	2812	2534	2352	2184	2114	1993	1832	1489	1377	1156	1024
17	ANTONIE	131	156	124	127	114	122	106	74	74	63	51	41	32
15	ANTONÍN	1355	1306	1254	1163	1114	1054	1066	1010	881	771	748	790	690
19	BARBORA	22	31	30	23	31	30	22	25	32	39	35	56	91
20	BEDŘICH	157	153	170	146	136	130	144	155	99	106	93	99	86
21	BLANKA	592	635	TO'	704	734	692	718	761	675	575	615	635	674
22	BLAŽENA	176	199	172	152	156	124	114	116	112	65	60	65	56
25	BOHUMIL	552	575	547	479	437	441	424	449	374	299	327	259	234
24	BOHUMILA	262	236	269	265	216	216	190	138	171	159	127	113	93
25	BOHUSLAV	415	362	360	357	332	357	316	342	266	245	236	195	177
26	BOŽENA	1364	1173	1080	990	946	964	871	756	681	534	492	420	366
71/83
Poznámky ke zpracování
• načtení CSV
• funkce split —> seznam hodnot
• použití knihovny pro práci s CSV (pro složitější data)
• normalizace (relativní výskyty jmen) - podělit součtem (pro daný rok)
• různě velké ročníky
• neúplná data u starých ročníků
slovník mapující jména na seznam počtů výskytů
{;Alois;: [332, 131, 112], ;Adam;: [15, 10, 17]} print(data[name][year-1950])
slovník mapující jména na slovníky mapující roky na počty
{;Adam;: {1950: 15, 1951: 10},
;Alois;: {1950: 332, 1951: 131}} print(data[name][year])
slovník mapující dvojici jméno+rok na počet vyskytují
{(;Alois;, 1951): 131,  (;Adam;, 1950): 15, (;Alois;, 1950): 332,  (;Adam;, 1951): 10} print(data[name, year])
73/83
5
74/83
30
Prvni písmena
4 ^ >■   4 ± k   4  S ►
75/83
Co zajímavého můžeme z dat zjistit?
Kladení otázek - důležitá dovednost hodná tréninku.
Computers are useless. They can only give you answers. (Pablo Picasso)
76/83
Identifikace trendů
U kterých jmen nejvíce roste/klesá popularita?
• co to vlastně znamená?
• jak formalizovat?
77/83
Kolik let v řadě roste popularita jména:
• Tobiáš - 14
9 Viktorie, Ella, Sofie - 9
• Elen, Tobias - 8
Kolik let v řadě klesá popularita jména:
• Jana - 26
• Martin - 21
• Petra - 11
• Zdeněk - 9
78/83
Největší skok v popularitě za 10 let
• alespoň desetinásobný nárůst popularity: Sofie, Elen, Amálie, El la 7 Nicol, Nella, Tobias
• pokles alespoň o 60 %: Petra, Pavlína, Martina
79/83
150
Počet jmen s frekvenci > 0.1%
80/83
Otevřená data / Open data
• https://www.opendata.cz
• http://www.otevrenadata.cz
• https://www.data.gov
• https://data.gov.uk
81/83
využití existujících knihoven:
• načítání dat ve standardních formátech: HTML, XML, JSON, CSV, ...
• operace s daty: numpy, pandas
• vizualizace: matplotlib
• interaktivní prozkoumávání dat: ipython, jupyter
82/83
hry, zpracování textu
• jaká data potřebuji reprezentovat?
• jak budu data reprezentovat? (volba datových struktur)
• co se těmi daty budu dělat? (návrh algoritmu)
zmíněna řada doporučených cvičení - programujte!
83/83