Лабораторная работа № 4 по дисциплине "Технологии программирования и ИСРСИИ"

Изучение библиотек для обработки и визуализации данных
Выполнил: студент группы САПР-1.4 Качурин Никита

---

Цели

1. Изучить библиотеки Python NumPy, Pandas, Matplotlib, Seaborn.
2. Разобраться с основами работы в Google Colab и Jupyter Notebook.
3. Научиться выполнять векторные вычисления с использованием библиотеки NumPy.
4. Освоить анализ, обработку и визуализацию данных с помощью библиотек Pandas, Matplotlib, Seaborn.

---

Используемые технологии

• Язык программирования: Python 3.10
• Инструменты:
  • Jupyter Notebook
  • Google Colab
• Библиотеки:
  • NumPy
  • Pandas
  • Matplotlib
  • Seaborn

---

Задания

Анализ данных (Pandas & Matplotlib)

Задание №1
Вариант №1. Количество женщин старше 50 лет на борту.

women_age_50 = df[(df["Sex"] == "female") & (df["Age"] > 50)].shape[0]
print("Количество женщин старше 50 лет на борту:", women_age_50)

Задание №2
Вариант №1. Чем дороже билет, тем выше вероятность выжить.

average_fare = df.groupby("Survived")["Fare"].mean()
print("Средняя стоимость билета для каждого класса:")
print(average_fare)

if average_fare[1] > average_fare[0]:
    print("Выжившие в среднем покупали более дорогие билеты.")
else:
    print("Стоимость билета не влияет на выживаемость.")

Математические вычисления (NumPy)

1. Создать матрицы M и N размерностью 85x85 с заданными параметрами.

2. Сформировать вектор p на основе нормального распределения.

3. Рассчитать заданные выражения для векторов и матриц:

   • Выражение 1: f = Tr((NM)·p)
   • Выражение 2: g = Σ (i=0 to 85) [i mod 2 = 0] · (2p ⊙ q)_i

import numpy as np

# Создание матрицы M (85x85)
M = np.ones((85, 85)) * 2
np.fill_diagonal(M, np.arange(3, 172, 2))

N = np.ones((85, 85)) * 4
N[::2, 2::3] = 5
N[1::2, 1::2] = 7

p = 1 + np.random.normal(2, 4, (85,))
q = N[24] * N[71]

NM = N @ M
trace_NM = np.sum(np.diag(NM))
f = trace_NM * np.sum(p)

prod_p_q = 2 * p * q
g = np.sum(prod_p_q[::2])

print("Результаты:")
print(f"f = {f}")
print(f"g = {g}")

---

Результаты

1. Выполнен анализ датасета пассажиров Титаника, получены навыки работы с библиотеками Pandas, Matplotlib и Seaborn.
2. Проведены векторные вычисления с использованием библиотеки NumPy для выполнения задач лабораторной работы.
3. Освоены методы визуализации данных, фильтрации, а также работы с матрицами и векторами.

---

Выводы

В ходе выполнения лабораторной работы:

• Изучил библиотеки Python для работы с данными и вычислениями.
• Научился использовать Google Colab для выполнения и визуализации анализа данных.
• Овладел навыками анализа данных, построения графиков и проведения вычислений с матрицами и векторами.