import csv

# Читаємо CSV вручну
data = []
with open("sales.csv", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        data.append(row)

# Завдання 1: середня ціна в категорії "Електроніка"
total = 0
count = 0
for row in data:
    if row["category"] == "Електроніка":
        total += float(row["price"])
        count += 1
average = total / count if count > 0 else 0
print(f"Середня ціна: {average:.2f}")

# Завдання 2: найпопулярніший товар
product_counts = {}
for row in data:
    name = row["product"]
    product_counts[name] = product_counts.get(name, 0) + int(row["quantity"])
best_product = max(product_counts, key=product_counts.get)
print(f"Лідер продажів: {best_product}")

# Завдання 3: продажі у грудні
december_sales = 0
for row in data:
    if row["date"].startswith("2024-12"):
        december_sales += 1
print(f"Продажів у грудні: {december_sales}")

import pandas as pd

df = pd.read_csv("sales.csv")

# Завдання 1: середня ціна в "Електроніці"
average = df[df["category"] == "Електроніка"]["price"].mean()

# Завдання 2: найпопулярніший товар
best_product = df.groupby("product")["quantity"].sum().idxmax()

# Завдання 3: продажі у грудні
december_sales = df[df["date"].str.startswith("2024-12")].shape[0]

print(f"Середня ціна: {average:.2f}")
print(f"Лідер продажів: {best_product}")
print(f"Продажів у грудні: {december_sales}")

numbers = [1, 2, 3, 4, 5]
mixed   = [1, "два", 3.0, True, None]  # Список може містити будь-що

Список Python в пам'яті:
┌─────────────────────────────────────────────────────┐
│ Список (list object)                                │
│  ┌─────┐  ┌─────┐  ┌─────┐  ┌─────┐  ┌─────┐     │
│  │ ptr │  │ ptr │  │ ptr │  │ ptr │  │ ptr │ ...  │
│  └──┬──┘  └──┬──┘  └──┬──┘  └──┬──┘  └──┬──┘     │
│     │        │        │        │        │          │
│     ▼        ▼        ▼        ▼        ▼          │
│ ┌───────┐ ┌───────┐ ┌───────┐ ...                 │
│ │ тип   │ │ тип   │ │ тип   │                     │
│ │ лічил.│ │ лічил.│ │ лічил.│                     │
│ │ знач=1│ │ знач=2│ │ знач=3│                     │
│ └───────┘ └───────┘ └───────┘                     │
└─────────────────────────────────────────────────────┘

total = 0
for x in numbers:  # Python: знайти вказівник → зайти в пам'ять →
    total += x     # прочитати тип → прочитати значення → виконати операцію
                   # → повернути вказівник → перейти до наступного...

NumPy масив в пам'яті:
┌─────────────────────────────┐
│ ndarray (масив об'єкт)      │
│ dtype: int64                │
│ shape: (5,)                 │
│ ┌────┬────┬────┬────┬────┐  │
│ │ 1  │ 2  │ 3  │ 4  │ 5  │  │
│ └────┴────┴────┴────┴────┘  │
│  Суцільний блок пам'яті!    │
└─────────────────────────────┘

import numpy as np  # np — загальноприйнятий псевдонім

import numpy as np

# 1. З Python-списку
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)        # [1 2 3 4 5]
print(type(arr1))  # <class 'numpy.ndarray'>

# 2. Масив нулів
zeros = np.zeros(5)          # [0. 0. 0. 0. 0.]
zeros_2d = np.zeros((3, 4))  # Матриця 3×4 з нулів

# 3. Масив одиниць
ones = np.ones(5)          # [1. 1. 1. 1. 1.]

# 4. Послідовність чисел (аналог range())
seq = np.arange(0, 10, 2)  # [0 2 4 6 8]

# 5. Рівномірно розподілені числа в діапазоні
lin = np.linspace(0, 1, 5)  # [0.   0.25 0.5  0.75 1.  ]

# 6. Випадкові числа
rand = np.random.rand(5)    # 5 випадкових числа від 0 до 1
randn = np.random.randn(5)  # 5 чисел з нормального розподілу

arr = np.array([[1, 2, 3],
                [4, 5, 6]])

print(arr.shape)   # (2, 3)  — 2 рядки, 3 стовпці
print(arr.ndim)    # 2       — кількість вимірів
print(arr.size)    # 6       — загальна кількість елементів
print(arr.dtype)   # int64   — тип елементів

arr = np.array([1, 2, 3, 4, 5])

# Операції зі скалярами — застосовуються до КОЖНОГО елемента
print(arr + 10)     # [11 12 13 14 15]
print(arr * 2)      # [ 2  4  6  8 10]
print(arr ** 2)     # [ 1  4  9 16 25]
print(arr > 3)      # [False False False  True  True]

# Операції між масивами — поелементно
a = np.array([1, 2, 3])
b = np.array([10, 20, 30])
print(a + b)   # [11 22 33]
print(a * b)   # [10 40 90]

import time

# Зі списком Python
python_list = list(range(1_000_000))
start = time.time()
python_result = [x * 2 for x in python_list]
print(f"Python: {time.time() - start:.3f}с")

# З NumPy масивом
numpy_arr = np.arange(1_000_000)
start = time.time()
numpy_result = numpy_arr * 2
print(f"NumPy:  {time.time() - start:.3f}с")

arr = np.array([10, 20, 30, 40, 50])

# Індексація (як у списках)
print(arr[0])    # 10  — перший елемент
print(arr[-1])   # 50  — останній елемент

# Зрізи [start:stop:step]
print(arr[1:4])  # [20 30 40]
print(arr[::2])  # [10 30 50]  — кожен другий

# 2D масив (матриця)
matrix = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [7, 8, 9]])

print(matrix[1, 2])      # 6   — рядок 1, стовпець 2
print(matrix[:, 1])      # [2 5 8]  — весь стовпець 1
print(matrix[0, :])      # [1 2 3]  — весь рядок 0
print(matrix[1:, 1:])    # [[5 6] [8 9]]  — підматриця

scores = np.array([85, 42, 91, 67, 78, 55, 96, 33])

# Знайти всі оцінки вище 70
mask = scores > 70           # [True False True False True False True False]
good_scores = scores[mask]   # [85 91 78 96]

# Або коротше — в одну дію
good_scores = scores[scores > 70]

print(f"Хороших оцінок: {len(good_scores)}")  # 4
print(f"Середня серед хороших: {good_scores.mean():.1f}")  # 87.5

data = np.array([23, 45, 12, 67, 89, 34, 56, 78, 90, 11])

print(f"Сума:             {data.sum()}")        # 505
print(f"Середнє:          {data.mean():.1f}")   # 50.5
print(f"Мінімум:          {data.min()}")        # 11
print(f"Максимум:         {data.max()}")        # 90
print(f"Стд. відхилення:  {data.std():.1f}")    # 27.7
print(f"Індекс мінімуму:  {data.argmin()}")     # 9
print(f"Індекс максимуму: {data.argmax()}")     # 8

matrix = np.array([[1, 2, 3],
                   [4, 5, 6]])

print(matrix.sum())           # 21  — сума всіх елементів
print(matrix.sum(axis=0))     # [5 7 9]  — сума по стовпцях
print(matrix.sum(axis=1))     # [6 15]   — сума по рядках

arr = np.arange(12)          # [ 0  1  2  3  4  5  6  7  8  9 10 11]
matrix = arr.reshape(3, 4)   # Перетворити у матрицю 3×4

# [[0  1  2  3]
#  [4  5  6  7]
#  [8  9 10 11]]

flat = matrix.flatten()      # Знову в 1D: [0 1 2 3 4 5 6 7 8 9 10 11]

import pandas as pd  # pd — загальноприйнятий псевдонім

import pandas as pd

# Найпростіший Series: зі списку Python
temperatures = pd.Series([22, 25, 19, 27, 23])

print(temperatures)
# 0    22
# 1    25
# 2    19
# 3    27
# 4    23
# dtype: int64

# Series з іменованим індексом
grades = pd.Series(
    [85, 92, 78, 96, 71],
    index=["Іван", "Олена", "Петро", "Марія", "Андрій"]
)

print(grades)
# Іван      85
# Олена     92
# Петро     78
# Марія     96
# Андрій    71
# dtype: int64

print(grades["Олена"])    # 92  — за ім'ям індексу
print(grades.iloc[1])     # 92  — за числовою позицією (iloc = integer location)
print(grades[1])          # 92  — теж за позицією (якщо індекс числовий)

# Зрізи
print(grades["Іван":"Петро"])  # Іван, Олена, Петро
print(grades.iloc[0:3])        # Перші три елементи

# Операції зі скалярами — застосовуються до кожного елемента
print(grades + 5)      # Додати 5 балів усім
print(grades * 1.1)    # Підвищити всі оцінки на 10%
print(grades > 80)     # Хто пройшов поріг у 80 балів?

# Відбір лише тих, хто має оцінку > 80
excellent = grades[grades > 80]
print(excellent)
# Іван     85
# Олена    92
# Марія    96
# dtype: int64

# Агрегатні функції
print(f"Середня оцінка: {grades.mean():.1f}")   # 84.4
print(f"Найвища:        {grades.max()}")          # 96
print(f"Найнижча:       {grades.min()}")          # 71

# Словник автоматично перетворюється на Series
city_populations = pd.Series({
    "Київ":    2952301,
    "Харків":  1421125,
    "Одеса":   1015826,
    "Дніпро":   980775
})

print(city_populations.sort_values(ascending=False))
# Київ      2952301
# Харків    1421125
# Одеса     1015826
# Дніпро     980775

data = {
    "Ім'я":     ["Іван",  "Олена", "Петро", "Марія"],
    "Вік":      [20,      22,      21,      23],
    "Математика":[85,     92,      78,      96],
    "Фізика":   [78,      88,      82,      91],
    "Python":   [91,      95,      73,      89]
}

df = pd.DataFrame(data)
print(df)

# Один стовпець → Series
ages = df["Вік"]
print(type(ages))   # <class 'pandas.core.series.Series'>
print(ages)
# 0    20
# 1    22
# 2    21
# 3    23
# Name: Вік, dtype: int64

# Кілька стовпців → DataFrame (передайте список)
subjects = df[["Математика", "Фізика", "Python"]]

# iloc = integer location (позиція, як у списку)
first_row = df.iloc[0]     # Перший рядок (Іван)
last_row  = df.iloc[-1]    # Останній рядок (Марія)
slice_df  = df.iloc[1:3]   # Рядки 1 та 2 (Олена і Петро)

# Конкретна комірка: рядок 1, стовпець 2
value = df.iloc[1, 2]  # 92 — оцінка Олени з математики

# loc = label-based location (за міткою)
# Якщо індекс числовий, він збігається з iloc:
row = df.loc[0]    # Рядок з індексом 0 (Іван)

# Але якщо задати кастомний індекс:
df_named = df.set_index("Ім'я")  # Тепер індекс — імена студентів
ivan_data = df_named.loc["Іван"]  # Доступ за ім'ям

# Студенти, яким більше 21 року
older = df[df["Вік"] > 21]

# Студенти з оцінкою з Python вище 85
python_good = df[df["Python"] > 85]

# Кілька умов (& = AND, | = OR)
top_students = df[(df["Математика"] > 85) & (df["Python"] > 85)]

print(top_students[["Ім'я", "Математика", "Python"]])
#    Ім'я  Математика  Python
# 1  Олена          92      95

# Обчислити середню оцінку кожного студента
df["Середня"] = df[["Математика", "Фізика", "Python"]].mean(axis=1)

print(df[["Ім'я", "Середня"]])
#    Ім'я     Середня
# 0  Іван   84.666667
# 1  Олена  91.666667
# 2  Петро  77.666667
# 3  Марія  92.000000

# Відсортувати за середньою оцінкою (від найвищої)
df_sorted = df.sort_values("Середня", ascending=False)

print(df_sorted[["Ім'я", "Середня"]])
#    Ім'я     Середня
# 3  Марія  92.000000
# 1  Олена  91.666667
# 0  Іван   84.666667
# 2  Петро  77.666667

df = pd.read_csv("sales.csv")

# Основні параметри read_csv
df = pd.read_csv(
    "sales.csv",
    sep=";",                   # Роздільник (за замовчуванням ",")
    header=0,                  # Рядок із заголовками (0 = перший)
    encoding="utf-8",          # Кодування файлу
    na_values=["N/A", "-"],    # Значення, які трактувати як NaN (пропуск)
    usecols=["date", "price"], # Читати лише певні стовпці
    dtype={"price": float},    # Примусово задати тип стовпця
    parse_dates=["date"],      # Автоматично розпарсити дати
    nrows=1000                 # Читати лише перші 1000 рядків
)

# Уявіть файл sales.csv:
# date,product,category,price,quantity
# 2024-01-15,Телефон,Електроніка,12000,3
# 2024-01-16,Ноутбук,Електроніка,28000,1
# 2024-01-17,Футболка,Одяг,450,10

df = pd.read_csv("sales.csv", parse_dates=["date"])
print(df.dtypes)
# date        datetime64[ns]  ← автоматично розпарсена дата!
# product     object          ← рядки
# category    object
# price       int64
# quantity    int64

# Один аркуш (перший за замовчуванням)
df = pd.read_excel("report.xlsx")

# Конкретний аркуш за ім'ям або номером
df_sheet2 = pd.read_excel("report.xlsx", sheet_name="Продажі")
df_third   = pd.read_excel("report.xlsx", sheet_name=2)

# Усі аркуші — отримаємо словник
all_sheets = pd.read_excel("report.xlsx", sheet_name=None)
# all_sheets["Продажі"] → DataFrame
# all_sheets["Витрати"] → DataFrame

# Запис у CSV
df.to_csv("output.csv", index=False)  # index=False — не писати стовпець індексу

# Запис у CSV із іншим роздільником
df.to_csv("output_semicolon.csv", sep=";", index=False)

# Запис у Excel
df.to_excel("output.xlsx", sheet_name="Результати", index=False)

# Запис у JSON
df.to_json("output.json", orient="records", force_ascii=False)

import pandas as pd

# Завантажуємо датасет
df = pd.read_csv("sales_data.csv")

df.head()    # Перші 5 рядків
df.head(10)  # Перші 10 рядків
df.tail(3)   # Останні 3 рядки

df.sample(5)              # 5 випадкових рядків
df.sample(frac=0.01)     # 1% випадкових рядків від усього датасету
df.sample(5, random_state=42)  # Фіксований seed для відтворюваності

df.info()

df.describe()

# Для текстових стовпців — окремо:
df.describe(include="object")

# Або включити все:
df.describe(include="all")

# Кількість пропусків у кожному стовпці
print(df.isnull().sum())
# order_id      0
# date          0
# product       0
# category    150
# price         0
# quantity     80

# Відсоток пропусків
print(df.isnull().sum() / len(df) * 100)
# category    1.5%
# quantity    0.8%