Анализ данных о жилых домах

Работа с репозиторием

Скринкасты по работе с github

Создание репозитория

1. Сделать себе репозиторий использую данный шаблон.
   Для этого необходимо нажать кнопку "Use this template".
   
2. Заполнить поле Repository name и нажать кнопку "Create repository from template".
   

Загрузка решений на проверку

1. Открыть файл task.py и нажать значок карандаша для редактирования файла, а затем заменить содержимое вашим решением.
   
2. Чтобы сохранить решение, необходимо нажать кнопку
   
3. В разделе "Commit changes" указать название final-task и выбрать пункт "Create a new branch ...".
   
4. Далее при необходимости можно сопроводить вашу работу любыми необходимыми комментариями. И нажать кнопку "Create pull request"
5. После прислать на проверку ссылку на Pull Request (PR).
   Пример ссылки: https://github.com/aeksei/RepositoryName/pull/1
6. Все pull requests можно найти на странице репозитория во вкладке "Pull requests"
   

Описание задания

Пришло время применить все полученные знания на практике. Ваше итоговое задание заключается в написании скрипта для анализа данных о жилых домах. Вам предстоит создать несколько функций для обработки данных, их классификации и анализа. Результаты работы скрипта должны быть представлены в удобном формате и распечатаны при запуске программы.

Данные для анализа содержатся в файле housing_data.csv со следующими полями:

• area_id — идентификатор района
• house_address — адрес дома
• floor_count — количество этажей
• heating_house_type — класс энергоэффективности дома
• heating_value — количество тепла, потреблённое домом
• area_residential — общая площадь жилых помещений, кв.м
• population — общее количество жителей в доме

Гарантируется, что все значения заполнены и соответвуют нужным типам данных.

Задание

Вам необходимо написать скрипт на Python, который будет содержать следующие функции:

1. Функция read_file: Напишите функцию для чтения данных из CSV файла и преобразования их в список словарей. В каждом словаре должны быть все ключи, соответствующие столбцам файла. Данные должны быть приведены к правильным типам: floor_count и population — целые числа, heating_value и area_residential — числа с плавающей точкой.

   Пример файла CSV:

   area_id,house_address,floor_count,heating_house_type,heating_value,area_residential,population
   area_2,"ул. Пушкина, д. 32",6,c,933.27,1254.6,105
   ...
   

   Результат преобразования в список словарей:

   houses = [
       {
           "area_id": "area_2",
           "house_address": "ул. Пушкина, д. 32",
           "floor_count": 6,
           "heating_house_type": "c",
           "heating_value": 933.27,
           "area_residential": 1254.6,
           "population": 105
       },
      ...
   ]

2. Функция classify_house: Реализуйте функцию, которая классифицирует дом на основе количества этажей. Классификация должна быть следующей:

   • Малоэтажный (1-5 этажей)
   • Среднеэтажный (6-16 этажей)
   • Многоэтажный (более 16 этажей)

   На вход подаётся количество этажей дома, возвращаемое значение — категория дома на основе его этажности. Данная функция должна проверять, что переданное ей количество этажей является положительным целочисленным значением. Если аргумент не является целочисленным значением, то следует вызвать ошибку TypeError, а если не является положительным, то ValueError. Каждая ошибка должна сопровождаться сообщением о ней.

3. Функция get_classify_houses: Классифицирует дома на основе количества этажей. На вход подаётся список словарей с информацией о домах, возвращаемое значение — список строк, где каждое значение соответствует категории дома.

4. Функция get_count_house_categories(categories: list[str]) -> dict[str, int]: Реализуйте функцию для подсчета количества домов в каждой категории. На вход подаётся список категорий, возвращаемое значение — словарь с категориями в качестве ключей и количеством домов в каждой категории в качестве значений.

5. Функция min_area_residential(houses: list[dict]) -> str: Реализуйте функцию для поиска дома с наименьшим средним количеством квадратных метров жилой площади на одного жильца. Для этого необходимо вычислить среднее значение жилой площади на одного жителя для каждого дома и вернуть адрес дома с наименьшим этим значением. На вход подаётся список словарей с информацией о домах, возвращаемое значение — строка с адресом дома.
   Гарантируется что список houses будет не пустым и содержит только один адрес с наименьшим средним значением.

Требования к выполнению задания

1. Оформите программу как модуль. При запуске скрипта должна выводиться информация о количестве домов каждого типа и адрес дома с наименьшим средним количеством квадратных метров жилой площади на одного жильца.
2. Каждая функция должны иметь документацию и аннотацию типов ко всем аргументам и возвращаемым значениям.
3. При проверке линтером должны быть учтены и исправлены все предупреждения.