Reprodukáljuk részben a Gapminder projekt nevű interaktív gazdasági és szociális adatokat megjelenítő interaktív eszközét!
Készítsünk az itt megtalálható adatok alapján egy pandas adatbázist ami tartalmazza az országok várható életkor adatait és a GDP adatait. Ezen kívül minden országról tároljuk el a következő atribútumokat:
Ábrázoljuk minden országban a várható életkort a GDP függvényében. Az országokat jellemző marker méretét állítsuk be a népességük alapján. A markerek szinezését, hasonlóan a Gapminderhez lehessen változtatni. Egy legördülő menü alapján döntse el a program hogy az országokat vallás vagy kontinens alapján szinez.
A Twitter szociális hálózaton a publikus üzeneteket egy részét bárki ingyen letöltheti. Ezekből néhányat megtalálhatsz a data/twitter_sample.gz
fájlban.
Először olvasd be a tömörített fájl sorait egy listába a következő parancs segítségével:
import gzip
l=[json.loads(str(s).strip("\r\n")) for s in gzip.open("../data/twitter_sample.gz",mode="rt").readlines()]
A created_at
nevű oszlop tartalmazza az üzenetek feladási dátumát. Ábrázold ez alapján, melyik percben hány darab tweetet adtak fel a felhasználók! Használd a datetime modul strptime()
és strftime()
függvényeit, melyeknek itt és itt tudsz utánaolvasni.
Figyelj arra, hogy nem minden sorban van created_at
mező, az adatot nem tartalmazó sorokat ki kell dobni az adatokból!
Lássuk be a sympy
segítségével a következő azonosságot!
$$ \int_{-\infty}^\infty \frac{\mathrm{e}^{-x^2}}{(x-y)^2+1}\mathrm{dx}=\Re \left(\mathrm{e}^{-(\mathrm{i} + y)^2} \pi\,\mathrm{erfc}(1 - \mathrm{i} y)\right) $$
Ahol $\Re$ a valósrész-képzést jelenti, továbbá $\mathrm{erfc}(x)$ a komplementer hibafüggvény.
Határozzuk meg az ábrán vázolt végtelen kétatomos egydimenziós lánc rezgési módusait, azaz a fonon diszperziós relációját analitikusan sympy
segítségével! Alkalmazzuk a Matrix
osztályt!
Számítsuk ki a sympy
segítségével, hogy mekkora felületet metsz ki Viviani-görbe a gömbből!