%x sin cos
0 0.000 1.000
1 0.063 0.998
2 0.125 0.992
3 0.187 0.982
4 0.249 0.969
5 0.309 0.951
6 0.368 0.930
... ... ...
... ... ...
Dla zadanego przebiegu sinusoidalnego znajdź miejsca (indeksy), w których wartość $y=sin(x)$:
wynosi 0.5 ($y=0.5$).
Wykonaj zadanie korzystając z:
Dla zadanego przebiegu sinusoidalnego znajdź wszystkie indeksy t , dla których funkcja $y=sin(x)$ przyjmuje wartości $y>=0.5$, a następnie przypisz im wartość 0.5. Uzyskane wyniki przedstaw graficznie. Wykonaj zadanie korzystając z:
Napisz "bazę danych" zawierającą spis filmów. Każdy wpis o filmie powinien zawierać co najmniej następujące informacje:
... (możesz dodać dowolnie zaproponowane pola)
Przemyśl strukturę (struktury) danych, w których będą przechowywane informacje. Napisz zestaw funkcji, które umożliwiają wyszukiwanie filmów z "bazy danych" według szukanej informacji: np.:
import pp_lab5 as lab5
%matplotlib inline
# save to file
import numpy as np
t = np.arange(150)
y1 = np.sin(t*np.pi/50)
y2 = np.cos(t*np.pi/50)
f = open('data.txt', 'w')
# dla Python 2.#:
# print >> f, '%s\t%s\t%s' %("%x", "sin", "cos")
f.write('%s\t%s\t%s\n' %("%x", "sin", "cos"))
for i in range(t.size):
# dla Python 2.#:
# print >> f, "%i\t%.3f\t%.3f"%(t[i],y1[i],y2[i])
f.write("%i\t%.3f\t%.3f\n"%(t[i],y1[i],y2[i]))
f.close()
import matplotlib.pyplot as plt
t = []
s1 = []
c1 = []
# load from file
f = open('data.txt', 'r')
f.readline()
for line in f:
l = line.split()
t.append(int(l[0]))
s1.append(float(l[1]))
c1.append(float(l[2]))
f.close()
plt.plot(t,s1,t,c1)
plt.legend(['sin','cos'])
plt.title('Plots')
plt.ylabel('sin and cos')
plt.xlabel('time')
plt.grid()
plt.show()
reload(lab5)
lab5.wartosci_zerowe()
Napisz funkcję, która zwróci indeksy, dla których funkcja $y=sin(x)$ przyjmuje określone wartości: znajdz_indeks(funkcja,wartosc,dzialanie)
reload(lab5)
lab5.znajdz_indeks(y1,0.5,'rowna')
print '*'*10
lab5.znajdz_indeks(y1,0.99,'wieksza')
print '*'*10
lab5.znajdz_indeks(y1,-0.99,'mniejsza')
print '*'*10
reload(lab5)
lab5.funkcja_zmodyfikowana()
# filmy wyprodukowane w latach 1970 - 2000
lab5.wyswietl_zakres_lat(1970,2000)
import json
json_data=open('2014-03-11_json_Anna_fitbit_steps.txt')
data = json.load(json_data)
#pprint(data)
json_data.close()
print len(data.items())
print data.keys()
print data['activities-steps']
print len(data['activities-steps-intraday']), len(data['activities-steps'])
print type(data['activities-steps-intraday']), type(data['activities-steps']), type(data['activities-steps'][0])
print data['activities-steps'][0].keys()
print data['activities-steps'][0].values()
print data['activities-steps'][0]['dateTime']
print data['activities-steps-intraday'].keys()
print data['activities-steps-intraday']['datasetType']
print data['activities-steps-intraday']['datasetInterval']
print '\n',10*'*'
print type(data['activities-steps-intraday']['dataset']), len(data['activities-steps-intraday']['dataset'])
print '\n',10*'*'
print type(data['activities-steps-intraday']['dataset'][-1]), len(data['activities-steps-intraday']['dataset'][-1])
print '\n',10*'*'
print data['activities-steps-intraday']['dataset'][-1]
print data['activities-steps-intraday']['dataset'][-1].items()
print data['activities-steps-intraday']['dataset'][-1].keys()
print data['activities-steps-intraday']['dataset'][-1].values()[1]