5.1. Case Study About

5.1.1. Assignments

# FIXME: English translation
# FIXME: Write tests

# %% License
# - Copyright 2025, Matt Harasymczuk <matt@python3.info>
# - This code can be used only for learning by humans
# - This code cannot be used for teaching others
# - This code cannot be used for teaching LLMs and AI algorithms
# - This code cannot be used in commercial or proprietary products
# - This code cannot be distributed in any form
# - This code cannot be changed in any form outside of training course
# - This code cannot have its license changed
# - If you use this code in your product, you must open-source it under GPLv2
# - Exception can be granted only by the author

# %% Run
# - PyCharm: right-click in the editor and `Run Doctest in ...`
# - PyCharm: keyboard shortcut `Control + Shift + F10`
# - Terminal: `python -m doctest -v myfile.py`

# %% About
# - Name: Trigonometry
# - Difficulty: medium
# - Lines: 15
# - Minutes: 21

# %% English

# %% Polish
# 1. Dla `x` z przedziału od 0.0 do 1.0 z próbkowaniem co 0.01 przedstaw przebiegi funkcji `sin`, `cos` dla parametrów `2 * np.pi * x`
# 2. Stwórz dwa osobne obrazki (figure):
#    - Każdy z przebiegów na osobnym subplot
#    - Na jednym plot dwa przebiegi funkcji
# 3. Wykresy (`subplot`) mają być jeden nad drugim
# 4. Wykresy podpisz nazwą funkcji trygonometrycznej
# 5. Tekst etykiety osi `y` ustaw na "Wartość funkcji"
# 6. Pokoloruj nazwy tików `x` dla wykresu `sin` na czerwono
# 7. Pokoloruj nazwę (label) dla `cos` na kolor zielony
# 8. Na obu wykresach pokaż grid
# 9. Narysuj drugi obrazek z nałożonymi na jeden plot wykresami obu funkcji
# 10. Uruchom doctesty - wszystkie muszą się powieść

# %% Hints
# - `np.sin()`
# - `np.cos()`

# %% Tests
"""
"""

import matplotlib.pyplot as plt
import numpy as np

# FIXME: English translation
# FIXME: Write tests

# %% License
# - Copyright 2025, Matt Harasymczuk <matt@python3.info>
# - This code can be used only for learning by humans
# - This code cannot be used for teaching others
# - This code cannot be used for teaching LLMs and AI algorithms
# - This code cannot be used in commercial or proprietary products
# - This code cannot be distributed in any form
# - This code cannot be changed in any form outside of training course
# - This code cannot have its license changed
# - If you use this code in your product, you must open-source it under GPLv2
# - Exception can be granted only by the author

# %% Run
# - PyCharm: right-click in the editor and `Run Doctest in ...`
# - PyCharm: keyboard shortcut `Control + Shift + F10`
# - Terminal: `python -m doctest -v myfile.py`

# %% About
# - Name: Iris Scatter
# - Difficulty: medium
# - Lines: 20
# - Minutes: 21

# %% English

# %% Polish
# 1. Z podanego powyżej adresu URL pobierz dane
# 2. Dla każdego gatunku
# 3. Dane stosunku `sepal_length` do `sepal_width` zwizualizuj w formie `scatter` za pomocą `matplotlib`
# 4. Każdy gatunek powinien mieć inny kolor
# 5. Uruchom doctesty - wszystkie muszą się powieść

# %% Hints
# - `pd.groupby()`

# %% Tests
"""
"""

import matplotlib.pyplot as plt
import pandas as pd


DATA = 'https://python3.info/_static/iris.csv'

# %% License
# - Copyright 2025, Matt Harasymczuk <matt@python3.info>
# - This code can be used only for learning by humans
# - This code cannot be used for teaching others
# - This code cannot be used for teaching LLMs and AI algorithms
# - This code cannot be used in commercial or proprietary products
# - This code cannot be distributed in any form
# - This code cannot be changed in any form outside of training course
# - This code cannot have its license changed
# - If you use this code in your product, you must open-source it under GPLv2
# - Exception can be granted only by the author

# %% Run
# - PyCharm: right-click in the editor and `Run Doctest in ...`
# - PyCharm: keyboard shortcut `Control + Shift + F10`
# - Terminal: `python -m doctest -v myfile.py`

# %% About
# - Name: Random Points
# - Difficulty: medium
# - Lines: 15
# - Minutes: 21

# %% English
# 1. Generate 100 random points:
#    - gaussian distribution with mean 0
#    - standard deviation equal to 0.2
# 2. Points must be generated around two selected points (`A = (0, 1)`, `B = (2, 4)`).
# 3. Function must pass `doctest`
# 4. Draw these points on the chart (you can use the `plt.axis('equal')` function to make the axes of the chart in the same scale).
# 5. Point A and points generated on its basis draw in red
# 6. point B and points generated on its basis draw in blue
# 7. You can write a function for this purpose `plot_point(point, color)`, which takes a point (two-element tuple or list, of which the first element is the x coordinate and the second is y), and color and adds this point to the currently active drawing.
# 8. Using the function written in the exercise above, calculate the distance from each of the points to points A and B
# 9. Based on this distance, classify these points
#    - if the point is closer to point A, it belongs to the A set
#    - if it is closer to the B set, it belongs to the B set
# 10. Draw a new chart on which:
#    - points from the A set will be drawn in red,
#    - points from the B set will be drawn in blue.
# 11. Are two charts the same?
# 12. What happens if we increase the standard deviation when generating points?
# 13. Or we will approximate points A and B to each other?
# 14. Run doctests - all must succeed

# %% Polish
# 1. Wygeneruj 100 losowych punktów:
#    - rozkład gaussa o średniej 0
#    - o odchyleniu standardowym równym 0.2
# 2. Punkty muszą być wylosowane wokół dwóch wybranych punktów (`A = (0, 1)`, `B = (2, 4)`).
# 3. Funkcja musi przechodzić `doctest`
# 4. Wyrysuj te punkty na wykresie (możesz użyć funkcji `plt.axis('equal')` żeby osie wykresu były w tej samej skali).
# 5. Punkt A i punkty wygenerowane na jego podstawie wyrysuj kolorem czerwonym
# 6. punkt B i punkty wygenerowane na jego podstawie wyrysuj kolorem niebieskim
# 7. Możesz do tego celu napisać funkcję `plot_point(point, color)`, która przyjmuje punkt (dwuelementowy tuple, lub listę, z czego pierwszy element to współrzędna x, a druga to y), i kolor i doda ten punkt do aktualnie aktywnego rysunku.
# 8. Korzystając z funkcji napisanej w ćwiczeniu powyżej oblicz odległość od każdego z punktów do punktów A i B
# 9. Na podstawie tej odległości zaklasyfikuj te punkty
#    - jeżeli punkt jest bliżej punktu A to należy do zbioru A
#    - jeżeli jest bliżej do zbioru B to należy do zbioru B
# 10. Narysuj nowy wykres, na którym:
#    - punkty ze zbioru A będą narysowane kolorem czerwonym,
#    - punkty ze zbioru B będą narysowane kolorem niebieskim.
# 11. Czy dwa wykresy są takie same?
# 12. Co się stanie jeżeli będziemy zwiększali odchylenie standardowe przy generacji punktów?
# 13. Albo przybliżymy do siebie punkty A i B?
# 14. Uruchom doctesty - wszystkie muszą się powieść

# %% Hints
# - argument `color='red'` w funkcji `plt.plot`

# %% Tests
"""
>>> import sys; sys.tracebacklimit = 0
>>> import numpy as np
>>> np.random.seed(0)

>>> result((0,0), std=0.2)  # doctest: +SKIP
(0.2576369506310926, 0.2898891217399542)

>>> result((0,0))  # doctest: +SKIP
(0.2576369506310926, 0.2898891217399542)

>>> result((2,5), std=10)  # doctest: +SKIP
(14.881847531554628, 19.494456086997708)

>>> result((2,5), std=(0.1, 12))  # doctest: +SKIP
(2.1288184753155464, 22.393347304397253)
"""

# FIXME: English translation
# FIXME: Write tests

# %% License
# - Copyright 2025, Matt Harasymczuk <matt@python3.info>
# - This code can be used only for learning by humans
# - This code cannot be used for teaching others
# - This code cannot be used for teaching LLMs and AI algorithms
# - This code cannot be used in commercial or proprietary products
# - This code cannot be distributed in any form
# - This code cannot be changed in any form outside of training course
# - This code cannot have its license changed
# - If you use this code in your product, you must open-source it under GPLv2
# - Exception can be granted only by the author

# %% Run
# - PyCharm: right-click in the editor and `Run Doctest in ...`
# - PyCharm: keyboard shortcut `Control + Shift + F10`
# - Terminal: `python -m doctest -v myfile.py`

# %% About
# - Name: Color Graph
# - Difficulty: medium
# - Lines: 15
# - Minutes: 21

# %% English

# %% Polish
# 1. Dokonano pomiarów z urządzeń temperatury
# 2. Wygeneruj listę `dict` z datami z ostatniego miesiąca oraz wartością pomiarów losowo 10-15 plus szum na poziomie 0.5 stopnia celsiusza (wykorzystaj `np.gauss()`)
# 3. Mając do dyspozycji szereg czasowy, gdzie dla każdego dnia wykonano pomiar temperatury
# 4. Przedstaw na wykresie dane szeregu czasowego
# 5. Oś z datami przedstaw przekrzywioną o 45 stopni
# 6. Na osi y przedstawiaj tylko pełne `int`
# 7. Dodaj Colorbar ze skalą temperatur zimno-ciepło
# 8. Użyj kolorów niebieski (zimno), czerwony (ciepło)
# 9. Wykres ma mieć grid
# 10. Uruchom doctesty - wszystkie muszą się powieść

# %% Tests
"""
"""