from funcoes import media
while True:
try:
num1 = float(input('digite o primeiro valor: '))
except:
print('Digite um valor inteiro válido')
else:
if type(num1) is float:
break
while True:
try:
num2 = float(input('digite o segundo valor: '))
except:
print('Digite um valor inteiro válido')
else:
if type(num2) is float:
break
media1 = media(num1, num2)
print(f'A média do aluno foi {media1}')
import funcoes
from pprint import pprint
estados = []
for i in range(27):
estado = {}
estado['ibge'] = input('Código IBGE: ')
estado['nome'] = input('Nome: ')
estado['sigla'] = input('Sigla: ')
estado['regiao'] = input('Região: ')
estado['populacao'] = int(input('População: '))
estados.append(estado)
# testando as funções
print("POPULOSO")
pprint(funcoes.populoso(estados))
print("\nESTADOS DO NORDESTE")
pprint(funcoes.estados(estados, 'NORDESTE'))
print("\nMÉDIA")
print(funcoes.media(estados))
print("\nACIMA DA MÉDIA")
pprint(funcoes.acima(estados))
def main(tamMemoria):
listaSaida = []
modos = ["first", "best", "worst"]
for a in modos:
modo = a
# INICIALIZAÇÃO: Criação das estruturas necessárias
processos = f.interpreta("entrada.txt")
f.listaDeTamanhos(processos)
dicionarioDeEntrada = f.dicionarioDeEntrada(processos)
dicionarioDeSaida = f.dicionarioDeSaida(processos)
dicionarioDeProcessos = {}
clock = 0
"""print("\nDicionário de Entradas:\n")
print(dicionarioDeEntrada, end='\n\n')
print("Dicionário de Saídas:\n")
print(dicionarioDeSaida,end='\n\n')"""
tentativasFalhadas = 0
tempoEspera = [0] * len(
processos) #Inicializa vetor dos tempos de espera
tempoAlocacao = []
entradaParteGrafica = []
del processos
##################################################
# Início algoritmo: Cada loop é um ciclo
while (dicionarioDeSaida):
dicanterior = str(
dicionarioDeProcessos
) #Utilizado no print de quando muda alguma coisa no dicionárioDeProcessos
# Inserção de processo
if (clock in dicionarioDeEntrada):
while (dicionarioDeEntrada[clock]):
processo = dicionarioDeEntrada[clock].pop(
) #Remove e salva ultimo elemento da lista
tinicial = timeit.default_timer(
) #Usado para avaliar o tempo de inserção dos processos
dicionarioDeProcessos, inseriu = f.alocarMemoria(
processo, tamMemoria, dicionarioDeProcessos, modo)
tfinal = timeit.default_timer()
tempoAlocacao = f.tempoMedioDeAlocacaoDeProcessos(
tempoAlocacao, inseriu, tfinal, tinicial)
tentativasFalhadas = f.tentativasFalhas(
inseriu, tentativasFalhadas
) #Atualiza o número de falhas do algoritmo
tempoEspera = f.tempoMedioDeEsperaDeProcessos(
inseriu, tempoEspera, processo)
if (inseriu == False):
if (dicionarioDeEntrada.get(clock + 1, False)):
dicionarioDeEntrada[clock + 1].append(processo)
else:
dicionarioDeEntrada[clock + 1] = [processo]
for i in dicionarioDeSaida:
if processo in dicionarioDeSaida[i]:
tempoDeSaida = i
if (dicionarioDeSaida.get(tempoDeSaida + 1, False)):
dicionarioDeSaida[tempoDeSaida +
1].append(processo)
else:
dicionarioDeSaida[tempoDeSaida + 1] = [processo]
dicionarioDeSaida[tempoDeSaida].remove(processo)
#Remoção de processo
if (clock in dicionarioDeSaida):
while (dicionarioDeSaida[clock]):
processo = dicionarioDeSaida[clock].pop(
) # Remove e salva ultimo elemento da lista
dicionarioDeProcessos = f.desalocaProcesso(
processo, dicionarioDeProcessos)
del dicionarioDeSaida[clock]
if (dicanterior != str(dicionarioDeProcessos)
): #Só printa quando há uma alteração no dicionario
#print(clock , dicionarioDeProcessos,end="\n\n")
entradaParteGrafica = f.geraEntradaDaParteGrafica(
entradaParteGrafica, clock, dicionarioDeProcessos
) #Gera os dados necessários para parte gráfica
clock += 1
# Chamadas de funções para exibir os resultados finais
clock_final = entradaParteGrafica[-1]
del entradaParteGrafica[-1]
nivelFragmentacaoMemoria = round(
f.media(
f.calculaFragmentacaoMemoria(entradaParteGrafica, clock_final,
tamMemoria)),
3) #Quantos buracos existem na memória por ciclo de CLOCK
mediaTempoEspera = round(f.media(tempoEspera), 3)
tempoAlocacao = round(f.media(tempoAlocacao) * 1000000,
3) #Tempo em μs
# print("Nº de tentativas falhas: " + str(tentativasFalhadas) + " inserções falhas")
# print("Tempo médio de espera dos processos: " + str(mediaTempoEspera) + " períodos de clock")
# print("Tempo médio para alocação de processos: " + str(tempoAlocacao) + " segundos")
# print("média de buracos por ciclo de CLOCK: " +str(nivelFragmentacaoMemoria))
entradaParteGrafica.append(
clock_final) # adicionado para mostrar quando a memória fica vazia
listaSaida.append([
entradaParteGrafica, mediaTempoEspera, tentativasFalhadas,
nivelFragmentacaoMemoria, tempoAlocacao
])
return listaSaida
import funcoes
lista = funcoes.read_file('altura1.5.txt')
file = open('dados_reduzidos.txt', 'w')
altura = 1.5
for number in lista:
m = funcoes.media(lista)
dp = funcoes.desvio_padrao(lista)
file.write(str(altura) + ' ')
file.write(str(m) + ' ')
file.write(str(dp) + '\n')
altura += 1.0
if altura == 6.5:
break
lista = funcoes.read_file('altura' + str(altura) + '.txt')
import funcoes
import random
#Sexta questão
#numeros = [1,2,3,4,5,6,7,8,9,10]
#numeros = [10,9,8,7,6,5,4,3,2,1]
numeros = []
for i in range(10):
numeros.append(random.randint(1, 100))
print(numeros)
print(funcoes.maior_valor(numeros))
print(funcoes.menor_valor(numeros))
print(funcoes.media(numeros))
print(funcoes.maior_menor(numeros))
print(funcoes.maior_menor_2(numeros))
def testa_valor(self):
self.assertEqual(funcoes.media(10, 8), 9.0)
self.assertEqual(funcoes.media(10, 5), 7.5)
def testa_tipo(self):
self.assertEqual(type(funcoes.media(10, 10)), float)
def gerar(aerodromo, mes, data):
with open("report-{}-{}.md".format(aerodromo, mes), 'w') as f:
f.write('''---
geometry: margin=2cm
output: pdf_document
---
''')
f.write("# Relatório\n")
f.write("## Aerodromo: {}\n".format(aerodromo))
f.write("## Periodo: {}/{}\n\n".format(mes[4:6], mes[:4]))
f.write("## 1 - Temperatura\n")
f.write(
"Durante esta seção teremos como alvo de estudo a variavél de temperatura (dada em graus Celsius) em "
+
" um determinado aerodromo pelo periodo de 1 mês. Os dados são coletados hora a hora, assim temos a "
+
"seguinte tabela que apresenta a média, mediana, moda, variância, desvio padrão e o coeficiente de "
+ " variação de cada dia.\n\n\n")
f.write(
"| Data | Média | Mediana | Moda | Variância | Desvio Padrão | Coef. Variação |\n"
)
f.write(
"|--------|---------|-----------|--------|-------------|-----------------|----------------|\n"
)
dia = 0
for d in data['temperatura']:
dia += 1
f.write("|{}|{}|{}|{}|{}|{}|{}|\n".format(
str('%02d' % dia) + "/" + mes[4:6] + "/" + mes[:4],
'%.3f' % funcoes.media(d),
'%.3f' % funcoes.mediana(d),
'%.3f' % funcoes.moda(d),
'%.3f' % funcoes.variancia(d),
'%.3f' % funcoes.desvio_padrao(d),
'%.3f' % funcoes.coeficiente_variacao(d),
))
f.write('\n\n')
f.write(
"Em seguida são apresentadas a média, mediana, moda, variância, desvio padrão e coeficiente de "
+ "variação do mês todo.\n\n\n")
f.write(
"| Data | Média | Mediana | Moda | Variância | Desvio Padrão | Coef. Variação |\n"
)
f.write(
"|--------|---------|-----------|--------|-------------|-----------------|----------------|\n"
)
f.write("|{}|{}|{}|{}|{}|{}|{}|\n".format(
mes[4:6] + '/' + mes[:4], '%.3f' %
funcoes.media([funcoes.media(i)
for i in data['temperatura']]), '%.3f' %
funcoes.mediana([funcoes.mediana(i)
for i in data['temperatura']]), '%.3f' %
funcoes.moda([funcoes.moda(i) for i in data['temperatura']]),
'%.3f' % funcoes.variancia(
[funcoes.variancia(i) for i in data['temperatura']]),
'%.3f' % funcoes.desvio_padrao(
[funcoes.desvio_padrao(i) for i in data['temperatura']]),
'%.3f' % funcoes.coeficiente_variacao(
[funcoes.coeficiente_variacao(i)
for i in data['temperatura']])))
f.write('\n\n')
plt = plots.plot_save_regression(
[funcoes.media(i) for i in data['temperatura']], 1)
f.write(
analisadores.assimetria(
[funcoes.media(i) for i in data['temperatura']]) + '\n\n')
f.write(
analisadores.curtose(
[funcoes.media(i) for i in data['temperatura']]) + '\n\n')
f.write(
"Função de regressão linear correspondente: $f(x) = %.5fx + %.5f$\n\n"
% (plt['coef_a'], plt['coef_b']))
f.write('\n\n'.format(
plots.plot_save_histogram(
[funcoes.media(i) for i in data['temperatura']])))
f.write('\n\n'.format(
plt['nome']))
f.write('\\newpage\n\n')
f.write("## 2 - Ponto de Orvalho\n")
f.write(
"Durante esta seção teremos como alvo de estudo a variavél de ponto de orvalho, que é a temperatura "
+
" (dada em graus Celsius) a qual o vapor de água presente no ar passa ao estado líquido em "
+
" um determinado aerodromo pelo periodo de 1 mês. Os dados são coletados hora a hora, assim temos a "
+
" seguinte tabela que apresenta a média, mediana, moda, variância, desvio padrão e o coeficiente de "
+ " variação de cada dia.\n\n\n")
f.write(
"| Data | Média | Mediana | Moda | Variância | Desvio Padrão | Coef. Variação |\n"
)
f.write(
"|--------|---------|-----------|--------|-------------|-----------------|----------------|\n"
)
dia = 0
for d in data['ponto_orvalho']:
dia += 1
f.write("|{}|{}|{}|{}|{}|{}|{}|\n".format(
str('%02d' % dia) + "/" + mes[4:6] + "/" + mes[:4],
'%.3f' % funcoes.media(d),
'%.3f' % funcoes.mediana(d),
'%.3f' % funcoes.moda(d),
'%.3f' % funcoes.variancia(d),
'%.3f' % funcoes.desvio_padrao(d),
'%.3f' % funcoes.coeficiente_variacao(d),
))
f.write('\n\n')
f.write(
"Em seguida são apresentadas a média, mediana, moda, variância, desvio padrão e coeficiente de "
+ "variação do mês todo.\n\n\n")
f.write(
"| Data | Média | Mediana | Moda | Variância | Desvio Padrão | Coef. Variação |\n"
)
f.write(
"|--------|---------|-----------|--------|-------------|-----------------|----------------|\n"
)
f.write("|{}|{}|{}|{}|{}|{}|{}|\n".format(
mes[4:6] + '/' + mes[:4], '%.3f' %
funcoes.media([funcoes.media(i) for i in data['ponto_orvalho']]),
'%.3f' % funcoes.mediana(
[funcoes.mediana(i) for i in data['ponto_orvalho']]), '%.3f' %
funcoes.moda([funcoes.moda(i) for i in data['ponto_orvalho']]),
'%.3f' % funcoes.variancia(
[funcoes.variancia(i) for i in data['ponto_orvalho']]),
'%.3f' % funcoes.desvio_padrao(
[funcoes.desvio_padrao(i) for i in data['ponto_orvalho']]),
'%.3f' % funcoes.coeficiente_variacao([
funcoes.coeficiente_variacao(i) for i in data['ponto_orvalho']
])))
f.write('\n\n')
plt = plots.plot_save_regression(
[funcoes.media(i) for i in data['ponto_orvalho']], 2)
f.write(
analisadores.assimetria(
[funcoes.media(i) for i in data['ponto_orvalho']]) + '\n\n')
f.write(
analisadores.curtose(
[funcoes.media(i) for i in data['ponto_orvalho']]) + '\n\n')
f.write(
"Função de regressão linear correspondente: $f(x) = %.5fx + %.5f$\n\n"
% (plt['coef_a'], plt['coef_b']))
f.write(
'\n\n'.format(
plots.plot_save_histogram(
[funcoes.media(i) for i in data['ponto_orvalho']])))
f.write(
'\n\n'.
format(plt['nome']))
f.write('\\newpage\n\n')
f.write("## 3 - Pressão\n")
f.write(
"Durante esta seção teremos como alvo de estudo a variavél de pressão atmosférica ao nível do mar"
+
" (dada em hectopascal) em um determinado aerodromo pelo periodo de 1 mês. Os dados são coletados "
+
"hora a hora, assim temos a seguinte tabela que apresenta a média, mediana, moda, variância, desvio "
+ " padrão e o coeficiente de variação de cada dia.\n\n\n")
f.write(
"| Data | Média | Mediana | Moda | Variância | Desvio Padrão | Coef. Variação |\n"
)
f.write(
"|--------|---------|-----------|--------|-------------|-----------------|----------------|\n"
)
dia = 0
for d in data['pressao']:
dia += 1
f.write("|{}|{}|{}|{}|{}|{}|{}|\n".format(
str('%02d' % dia) + "/" + mes[4:6] + "/" + mes[:4],
'%.3f' % funcoes.media(d),
'%.3f' % funcoes.mediana(d),
'%.3f' % funcoes.moda(d),
'%.3f' % funcoes.variancia(d),
'%.3f' % funcoes.desvio_padrao(d),
'%.3f' % funcoes.coeficiente_variacao(d),
))
f.write('\n\n')
f.write(
"Em seguida são apresentadas a média, mediana, moda, variância, desvio padrão e coeficiente de "
+ "variação do mês todo.\n\n\n")
f.write(
"| Data | Média | Mediana | Moda | Variância | Desvio Padrão | Coef. Variação |\n"
)
f.write(
"|--------|---------|-----------|--------|-------------|-----------------|----------------|\n"
)
f.write("|{}|{}|{}|{}|{}|{}|{}|\n".format(
mes[4:6] + '/' + mes[:4],
'%.3f' % funcoes.media([funcoes.media(i)
for i in data['pressao']]), '%.3f' %
funcoes.mediana([funcoes.mediana(i) for i in data['pressao']]),
'%.3f' % funcoes.moda([funcoes.moda(i)
for i in data['pressao']]), '%.3f' %
funcoes.variancia([funcoes.variancia(i) for i in data['pressao']]),
'%.3f' % funcoes.desvio_padrao(
[funcoes.desvio_padrao(i) for i in data['pressao']]),
'%.3f' % funcoes.coeficiente_variacao(
[funcoes.coeficiente_variacao(i) for i in data['pressao']])))
f.write('\n\n')
plt = plots.plot_save_regression(
[funcoes.media(i) for i in data['pressao']], 3)
f.write(
analisadores.assimetria(
[funcoes.media(i) for i in data['pressao']]) + '\n\n')
f.write(
analisadores.curtose([funcoes.media(i)
for i in data['pressao']]) + '\n\n')
f.write(
"Função de regressão linear correspondente: $f(x) = %.5fx + %.5f$\n\n"
% (plt['coef_a'], plt['coef_b']))
f.write('\n\n'.format(
plots.plot_save_histogram(
[funcoes.media(i) for i in data['pressao']])))
f.write('\n\n'.format(
plt['nome']))