Vašim úkolem za pět bodů je odpovědět na otázky a vyřešit úkoly níže.
Řešení bude zpracováno jako Jupyter Notebook, ve kterém bude patrné, která část kódu odpovídá na kterou otázku. Alternativně je možné řešení odevzdat jako skript v jazyce Python, který otázky a odpovědi pak vypisuje na standardní výstup např. tímto stylem:
Počet památných stromů v Brně: 44 Celková délka deseti nejdelších řek (km): 56289
Řešení odevzdejte standardně jako gitový repozitář. V případě odevzdání přes GitHub (což preferujeme) dejte přístup kromě uživatelů hroncok a MarekSuchanek i Petru Viktorinovi (uživatelské jméno encukou).
K řešení použijte data z programátorského dotazníku
Stack Overflow Annual
Developer Survey roku 2020. Soubory se vstupními daty uložte do
adresáře data, tj. jako data/survey_results_public.csv,
data/survey_results_schema.csv a data/README_2020.txt. Tyto
soubory není třeba přidávat do repozitáře; pokud se rozhodnete je
nepřidat, vhodně nastavte .gitignore a v README uveďte kde se
dají získat a že jsou pod licencí Open Database License (ODbL).
Repozitář musí obsahovat všechny soubory potřebné k běhu skriptu či
Notebooku, kromě vstupních dat (viz výše) a knihoven. Můžete
předpokládat, že skript/notebook bude spouštěn z kořenového adresáře
repozitáře v prostředí s nainstalovanými knihovnami notebook,
pandas, matplotlib a jejich závislostmi.
Kód musí názorným způsobem vypočítat výsledek ze zadaných dat a nesmí způsobit neošetřenou výjimku. V případě Notebooku nesmí neošetřenou výjimku způsobit žádná buňka.
Váš kód nesmí používat cykly na procházení jednotlivých záznamů. Použijte funkcionalitu Pandas. Na procházení „sloupců“ cyklus použít můžete. („Sloupce“ tu definujeme tak, že počet sloupců by nerostl bez omezení kdyby na dotazník odpovádalo více lidí.)
U úloh, kde je výstupem graf, musí být graf součást výstupu Notebooku. Odevzdáváte-li skript, tento skript musí graf uložit do souboru a odkázat na něj ze std. výstupu.
Případné grafy musí odpovídat zobrazovaným hodnotám, např. body by neměly být propojeny čárou, pokud interpolace mezi nimi nedává smysl.
Kód musí korektně zpracovávat neznámé hodnoty (např. člověk s neznámým věkem nemá 0 let).
Nezapomeňte uvést jednotky (např. km, %, Kč) v případech, kdy nestačí samotné číslo. (Viz příklad odpovědí výše.)
-
Kolik lidí celkem vyplnilo dotazník?
-
Kolik z nich bylo z ČR/SR?
-
Jaká je, podle dotazníku, průměrná mzda programátorů v ČR/SR? Ve světě? Odpovídejte v Kč měsíčně.
-
Kolik lidí z ČR/SR uvedlo, že používá* Python?
-
Kolik z nich chce v používání* Pythonu pokračovat?
-
Kolik lidí Python nepoužívá*, ale chce ho začít používat*?
-
Předcházející tři otázky odpovězte také pro Javu místo Pythonu.
-
Vykreslete graf, který pro každý programovací jazyk, který lidi z ČR/SR uvedli, ukáže průměrnou měsíční mzdu lidí z ČR/SR, kteří tento jazyk používají* (podle dat dostupných z dotazníku).
* Používání jazyka znamená, že v něm daný člověk poslední rok intenzivně pracoval.
Zkratka „ČR/SR” znamená Česko a Slovensko dohromady; není potřeba udávat výsledek pro každou z těchto zemí zvlášť.
Použijte pouze informace z dotazníku, tedy např. kurzy měn nehledejte jinde na internetu. Z dat v dotazníku lze vyčíst výplatu v amerických dolarech i spočítat kurz české koruny.