opakovaci_ukoly

ukol_1.py

# 1. Spočítejte a nakreslete graf, jak se v průběhu let vyvíjel
# celkový počet udělených medailí (zvlášť pro zimní a letní hry).

import pandas as pd
import seaborn as sns

%matplotlib inline

olympics = pd.read_csv("athlete_events.csv")

medals = olympics.groupby(["Year", "Season"], as_index=False)["Medal"].count()
sns.lineplot("Year", "Medal", data=medals, hue="Season")

ukol_2.py

# 2. Jak se graf změní, když budeme počítat sady medailí?
# Návodná otázka: Kolik (a jaké) zlatých medailí získala ČR v roce 1998?

import pandas as pd
import seaborn as sns

olympics = pd.read_csv("athlete_events.csv")

olympics[~olympics.Medal.isna() & (olympics.NOC == "CZE") & (olympics.Year == 1998)]
# Nagano - asi dvacet zlatých medailí!

events = olympics.groupby(["Year", "Season", "Sport", "Event"], as_index=False).count()
event_count = events.groupby(["Year", "Season"], as_index=False)["Medal"].count()
sns.lineplot("Year", "Medal", data=event_count, hue="Season")

ukol_3.py

# 3. Zjistěte jména deseti regionů (ne nutně zemí, viz noc_regions.csv), které získaly absolutně nejvyšší počet medailí za historii olympijských her?
# Bonus: Přidejte váhu jednotlivým kovům (3=zlato, 2=stříbro, 1=bronz).

import pandas as pd
import seaborn as sns

olympics = pd.read_csv("athlete_events.csv")
regions = pd.read_csv("noc_regions.csv")

medal_vs_country = (olympics
  .groupby(["Year", "Season", "Sport", "Event", "NOC", "Medal"], as_index=False)
  .size()
  .reset_index()
  .drop(0, axis=1)
)
medal_vs_country

noc_medals = (
    medal_vs_country
        .groupby(["NOC", "Medal"])
        .size()
        .unstack("Medal", fill_value=0)
        # .fillna(0)
        .astype("int")
        .assign(
            Points = lambda df: df["Bronze"] * 1 + df["Silver"] * 2 + df["Gold"] * 3
        )
)[["Gold", "Silver", "Bronze", "Points"]].reset_index()

pd.merge(regions, noc_medals, on="NOC").sort_values("Points", ascending=False).drop(["notes", "NOC"], axis=1)

ukol_4.py

# 4. Najděte nejčastější první (obvykle křestní) jméno sportovce za každý region.
# (První část řetězce před mezerou).

import pandas as pd

olympics = pd.read_csv("athlete_events.csv")

name_counts = (
    olympics.assign(
        first_name = olympics["Name"].str.split(" ", 1).apply(lambda val: val[0])
    ).groupby(["NOC", "first_name"]).size().reset_index()
)

name_counts.sort_values(["NOC", 0], ascending=(True, False)).groupby("NOC").first()

ukol_5.py

# 5. Pomocí qcut rozdělte účastníky do 4 věkových skupin a pak se podívejte na minimální,
# průměrnou a maximální výšku a váhu účastníků (pro každé pohlaví zvlášť).

import pandas as pd

olympics = pd.read_csv("athlete_events.csv")

age_groups, age_bins = pd.qcut(olympics["Age"], 4, retbins=True)
olympics.groupby([age_groups, "Sex"]).agg({"Height": ["max", "min", "mean"], "Weight": ["max", "min", "mean"]})

ukol_6.py

# 6. Podívejte se (graficky) na rozdělení dvou proměnných pro výšku, váhu a věk,
# odhadněte, co a jak spolu koreluje, a ověřte výpočtem.

import pandas as pd
import seaborn as sns

olympics = pd.read_csv("athlete_events.csv")

sns.pairplot(olympics[["Age", "Height", "Weight"]])
olympics[["Age", "Height", "Weight"]].corr()

ukol_7.py

# 7. Je Ledecká opravdu první sportovkyní, která na ZOH v jednom roce vyhrála zlato ve dvou různých sportech?
# Co muži? Co sportovkyně a sportovci na LOH?

number_of_sports_with_medal = olympics.query("Medal == 'Gold'").groupby(["Year", "Season", "Name", "Age", "Sport", "Sex"]).size().groupby(["Year", "Season", "Name", "Age", "Sex"]).size()
number_of_sports_with_medal[number_of_sports_with_medal > 1]

ukol_8.py

# 8. Jaká je pravděpodobnost, že si účastník odveze medaili, v závislosti na tom, kolikátá to pro něj je olympiáda?
import pandas as pd

olympics = pd.read_csv("athlete_events.csv")

name_vs_year = (
    olympics
        .groupby(["ID", "Season", "Year"], sort=True)
        .size()
        .reset_index()
)
name_vs_year_rank = (
    name_vs_year
        .groupby(["ID", "Season"])["Year"]
        .rank()
        .rename("kolikata")
        .astype("int")
)
name_vs_year_rank = name_vs_year.join(name_vs_year_rank).drop(0, axis=1)

olympics_with_kolikata = pd.merge(olympics, name_vs_year_rank, on=(["ID", "Season", "Year"]))
by_kolikata = olympics_with_kolikata.join(pd.get_dummies(olympics_with_kolikata["Medal"])).groupby("kolikata")
by_kolikata[["Bronze", "Silver", "Gold"]].agg(["sum", "mean"]).assign(count=by_kolikata.size())

ukol_9.py

# 9. Kolik sportovců získalo medaili v jiném století, než se narodili?
import pandas as pd

olympics = pd.read_csv("athlete_events.csv")

centuries = olympics.dropna(subset=["Medal"]).assign(
    birth_century = (olympics["Year"] - olympics["Age"] + 99) // 100,
    olympics_century = (olympics["Year"] + 99) // 100,
).drop_duplicates(subset=["ID"])
pd.crosstab(centuries["birth_century"], centuries["olympics_century"])