import numpy as np
import pandas as pd

# Дані про зарплати (в тисячах гривень)
salaries = np.array([25, 30, 30, 32, 35, 35, 35, 40, 45, 200])

# Спосіб 1: NumPy
mean_numpy = np.mean(salaries)
print(f"Середнє (NumPy): {mean_numpy:.1f} тис. грн")

# Спосіб 2: вбудований метод масиву
mean_array = salaries.mean()
print(f"Середнє (array): {mean_array:.1f} тис. грн")

# Спосіб 3: pandas Series
salaries_series = pd.Series(salaries)
mean_pandas = salaries_series.mean()
print(f"Середнє (pandas): {mean_pandas:.1f} тис. грн")

# Спосіб 4: вручну (для розуміння)
mean_manual = sum(salaries) / len(salaries)
print(f"Середнє (вручну): {mean_manual:.1f} тис. грн")

import numpy as np

# Зарплати з директором
salaries_with_director = np.array([25, 30, 30, 32, 35, 35, 35, 40, 45, 200])
mean_with = salaries_with_director.mean()

# Зарплати без директора
salaries_without_director = np.array([25, 30, 30, 32, 35, 35, 35, 40, 45])
mean_without = salaries_without_director.mean()

print(f"Середнє З директором:   {mean_with:.1f} тис. грн")
print(f"Середнє БЕЗ директора:  {mean_without:.1f} тис. грн")
print(f"Різниця:                {mean_with - mean_without:.1f} тис. грн ({(mean_with - mean_without) / mean_without * 100:.0f}% зміна)")

import numpy as np

salaries = np.array([25, 30, 30, 32, 35, 35, 35, 40, 45, 200])

# Обчислення медіани
median = np.median(salaries)
mean = np.mean(salaries)

print(f"Медіана: {median:.1f} тис. грн")
print(f"Середнє: {mean:.1f} тис. грн")
print(f"Різниця: {abs(mean - median):.1f} тис. грн")

# А тепер видалимо директора
salaries_no_outlier = np.array([25, 30, 30, 32, 35, 35, 35, 40, 45])

median_no = np.median(salaries_no_outlier)
mean_no = np.mean(salaries_no_outlier)

print("Без директора:")
print(f"  Медіана: {median_no:.1f} тис. грн (змінилась на {abs(median - median_no):.1f})")
print(f"  Середнє: {mean_no:.1f} тис. грн (змінилось на {abs(mean - mean_no):.1f})")

import pandas as pd
import numpy as np

salaries = np.array([25, 30, 30, 32, 35, 35, 35, 40, 45, 200])

# Pandas Series має метод mode()
salaries_series = pd.Series(salaries)
mode = salaries_series.mode()[0]  # може бути кілька мод, беремо першу

print(f"Мода: {mode:.1f} тис. грн")
print(f"Медіана: {np.median(salaries):.1f} тис. грн")
print(f"Середнє: {np.mean(salaries):.1f} тис. грн")

# Альтернативний спосіб: через scipy
from scipy import stats

mode_scipy = stats.mode(salaries, keepdims=False)
print(f"\nМода (scipy): {mode_scipy.mode:.1f} тис. грн")
print(f"Частота: {mode_scipy.count} рази")

import pandas as pd

# Бімодальний розподіл: дві піки
data = pd.Series([1, 2, 2, 2, 5, 6, 6, 6, 9])
modes = data.mode()

print("Моди:", modes.values)
print("Кількість мод:", len(modes))

import pandas as pd

# Дані про улюблені кольори студентів
colors = pd.Series(['червоний', 'синій', 'зелений', 'синій', 
                    'червоний', 'синій', 'жовтий', 'синій'])

mode_color = colors.mode()[0]
print(f"Найпопулярніший колір: {mode_color}")
print(f"Він зустрічається {(colors == mode_color).sum()} разів з {len(colors)}")

import numpy as np
import pandas as pd

# 1. Симетричні дані: зріст студентів (см)
heights = np.array([165, 168, 170, 172, 170, 169, 171, 170, 168, 172])
print("1. Зріст студентів (симетричний розподіл):")
print(f"   Середнє:  {heights.mean():.1f} см")
print(f"   Медіана:  {np.median(heights):.1f} см")
print(f"   Мода:     {pd.Series(heights).mode()[0]:.1f} см")
print("   → Всі три міри близькі — можна використовувати будь-яку\n")

# 2. Асиметричні дані: ціни на квартири (млн грн)
prices = np.array([1.2, 1.5, 1.8, 2.0, 2.2, 2.5, 2.8, 3.0, 5.5, 8.0])
print("2. Ціни на квартири (асиметричний, є дорогі квартири):")
print(f"   Середнє:  {prices.mean():.2f} млн грн")
print(f"   Медіана:  {np.median(prices):.2f} млн грн")
print("   → Медіана краще (середнє завищене через дорогі квартири)\n")

# 3. Категоріальні дані: улюблені мови програмування
languages = pd.Series(['Python', 'JavaScript', 'Python', 'Java', 
                       'Python', 'JavaScript', 'Python', 'C++'])
print("3. Улюблені мови програмування (категоріальні):")
print(f"   Мода:     {languages.mode()[0]}")
print("   → Середнє та медіана не мають сенсу для категорій")

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

rng = np.random.default_rng(seed=42)

# Створюємо два типи даних
# 1. Симетричний розподіл (нормальний)
symmetric_data = rng.normal(100, 15, 1000)

# 2. Асиметричний розподіл (з правим хвостом)
skewed_data = np.concatenate([
    rng.normal(50, 10, 900),  # Основна маса
    rng.uniform(100, 200, 100)  # Аутлайери справа
])

# Створюємо графіки
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(14, 5))

# Графік 1: Симетричний розподіл
ax1.hist(symmetric_data, bins=30, alpha=0.7, color='steelblue', edgecolor='black')
mean1 = symmetric_data.mean()
median1 = np.median(symmetric_data)
mode1 = stats.mode(symmetric_data, keepdims=False).mode

ax1.axvline(mean1, color='red', linestyle='--', linewidth=2, label=f'Середнє = {mean1:.1f}')
ax1.axvline(median1, color='green', linestyle='--', linewidth=2, label=f'Медіана = {median1:.1f}')
ax1.set_title('Симетричний розподіл\n(Mean ≈ Median ≈ Mode)', fontweight='bold')
ax1.set_xlabel('Значення')
ax1.set_ylabel('Частота')
ax1.legend()
ax1.grid(alpha=0.3)

# Графік 2: Асиметричний розподіл
ax2.hist(skewed_data, bins=30, alpha=0.7, color='coral', edgecolor='black')
mean2 = skewed_data.mean()
median2 = np.median(skewed_data)

ax2.axvline(mean2, color='red', linestyle='--', linewidth=2, label=f'Середнє = {mean2:.1f}')
ax2.axvline(median2, color='green', linestyle='--', linewidth=2, label=f'Медіана = {median2:.1f}')
ax2.set_title('Асиметричний розподіл (правий хвіст)\n(Mean > Median)', fontweight='bold')
ax2.set_xlabel('Значення')
ax2.set_ylabel('Частота')
ax2.legend()
ax2.grid(alpha=0.3)

plt.tight_layout()
plt.show()

print("Симетричний розподіл:")
print(f"  Різниця (Mean - Median): {abs(mean1 - median1):.2f}")
print("\nАсиметричний розподіл:")
print(f"  Різниця (Mean - Median): {abs(mean2 - median2):.2f}")

import numpy as np
import pandas as pd

rng = np.random.default_rng(seed=123)

# Генеруємо синтетичні дані про квартири
# Більшість квартир: 1-2 млн грн (основна маса)
# Декілька елітних: 5-10 млн грн (аутлайери)
regular_apartments = rng.normal(1.5, 0.4, 90)  # 90 звичайних
elite_apartments = rng.uniform(5, 10, 10)      # 10 елітних

prices = np.concatenate([regular_apartments, elite_apartments])
prices = np.clip(prices, 0.8, None)  # Мінімум 0.8 млн

# Створюємо DataFrame
df = pd.DataFrame({'Ціна (млн грн)': prices})

# Обчислюємо міри центру
mean_price = df['Ціна (млн грн)'].mean()
median_price = df['Ціна (млн грн)'].median()

print("Статистика цін на квартири:")
print(f"  Середнє:  {mean_price:.2f} млн грн")
print(f"  Медіана:  {median_price:.2f} млн грн")
print(f"  Різниця:  {mean_price - median_price:.2f} млн грн ({(mean_price - median_price) / median_price * 100:.1f}%)")
print(f"\n  Мінімум:  {df['Ціна (млн грн)'].min():.2f} млн грн")
print(f"  Максимум: {df['Ціна (млн грн)'].max():.2f} млн грн")

# Аналіз розподілу
print("Розподіл квартир за ціновими сегментами:")
print(f"  До 2 млн грн:    {(df['Ціна (млн грн)'] < 2).sum()} квартир ({(df['Ціна (млн грн)'] < 2).mean() * 100:.0f}%)")
print(f"  Від 2 до 4 млн:  {((df['Ціна (млн грн)'] >= 2) & (df['Ціна (млн грн)'] < 4)).sum()} квартир")
print(f"  Понад 4 млн:     {(df['Ціна (млн грн)'] >= 4).sum()} квартир (елітний сегмент)")

print("\nВисновок:")
print(f"  Медіана ({median_price:.2f} млн) краще відображає 'типову' ціну,")
print(f"  бо 90% квартир коштують до 2 млн грн.")
print(f"  Середнє ({mean_price:.2f} млн) завищене через елітне житло.")