courseId

reviewUserId

sessionSlug

sessionQuery

currentUser

user

course

query sessionQuery(
  $courseId: String!
  $sessionSlug: String!
  $reviewUserId: String
) {
  currentUser {
    id
    userId
    isAdmin
    attendedCourseIds
    coachedCourseIds
    ...Layout_currentUser
  }
  reviewUser: user(userId: $reviewUserId) {
    id
    userId
    name
  }
  course(courseId: $courseId) {
    id
    courseId
    titleHTML
    subtitleHTML
    sessions {
      id
      slug
      titleHTML
      date
      hasTasks
    }
    session(slug: $sessionSlug) {
      id
      slug
      titleHTML
      date
      hasTasks
      materialItems {
        materialItemType
        titleHTML
        textHTML
        url
      }
      taskItems {
        taskItemType
        taskItemId
        textHTML
        number
        mandatory
        submit
      }
      ...TaskSubmissionLessonSummary_session
    }
  }
}

fragment Header_currentUser on User {
  id
  isAdmin
}

fragment Layout_currentUser on User {
  ...Header_currentUser
}

fragment TaskSubmissionLessonSummary_session on Session {
  id
  taskItems {
    taskItemId
    number
    submit
    mySolution {
      lastAction
    }
  }
}


Analýza jedné proměnné a časových řad

Načti data kromě Prahy-Ruzyně ještě z meteostanice Lysá Hora a:

Pomocí grafu porovnej vývoj ročního úhrnu srážek v jednotlivých stanicích.

Zjisti, ve které z těchto stanic byl nejteplejší den v roce 2010 a který to byl.

Zjisti, kde bylo (v průměru) nejteplejších 90 % dní v roce 2018 a kde nejstudenějších 10 %.

Porovnej průměrný denní svit v 90. letech (1990 - 1999) v Praze a na Lysé Hoře.

V následujícím úkolu si zopakujeme práci s chybějícími hodnotami:

Načti data z <a href="https://data4pydata.s3-eu-west-1.amazonaws.com/pyladies/P1PRUZ01schibami.xls">https://data4pydata.s3-eu-west-1.amazonaws.com/pyladies/P1PRUZ01schibami.xls</a>, kde jsou chybějící data označena jako <code>#CHYBA MĚŘENÍ</code>.
<ul>
<li>Pomocí volby <code>na_values</code> při načítání dat z Excel souboru správně označ chyby měření jako chybějící data.</li>
<li>Odstraň pouze řádky, kde je špatné datum (tip: použij <code>dropna(subset=)</code>). Pomocí <code>fillna</code> pak nahraď chybějící měření poslední předchozí hodnotou.</li>
</ul>

Poslední dva úkoly prověří pravdivost známých pranostik:

Jak často přijíždí Svatý Martin na bílém koni? Jaké je procento svátků Sv. Martina (11. 11.), kdy byla celková výška sněhu větší než 0?

Který z ledových mužů je nejmrazivější? Pankrác (12. 5.), Servác (13. 5.) nebo Bonifác (14. 5.)? Zjisti to porovnáním procent těchto dní s minimální teplotou &lt; 0. Pokud budou procenta vyrovnaná, vyhraje den s nižší průměrnou teplotou.

Explorativní datová analýza a statistika jedné proměnné 29. září 2020

Materiály

Domácí projekty