def PlotData(pd, titre, filenameFig, y, color='black', Dates=None):
if len(y) == 0 or y is None: pass
fig = plt.figure(facecolor='w', figsize=figsize)
ax = fig.add_subplot(111, facecolor='#dddddd', axisbelow=True)
# Dessin des courbes théoriques
pd.plot(ax=ax, y=y, color=color, title=titre, marker='x', ls='-', lw=0.5)
# ajout des dates spéciales
if Dates != None:
# for d in Dates.listFirstCaseDates:
# drawAnnotation(ax, 'First case date\n', d, color='blue')
for d in Dates.listConfDates:
drawAnnotation(ax, 'Conf. date\n', d, color='red')
for d in Dates.listDeconfDates:
drawAnnotation(ax, 'Deconf. date\n', d, color='green')
for d in Dates.listOtherDates:
drawAnnotation(ax, 'Other date\n', d)
# surlignage des jours de WE
WE_indices = get_WE_indice(pd)
i = 0
while i < len(WE_indices) - 1:
ax.axvspan(pd.index[WE_indices[i]],
pd.index[WE_indices[i + 1]],
facecolor='gray',
edgecolor='none',
alpha=.15,
zorder=-100)
i += 2
# axes
ax.grid(True, which='major', axis='both')
ax.grid(True, which='minor', axis='both')
ax.grid(True, which='major', c='k', lw=0.5, ls='-', alpha=0.3)
ax.grid(True, which='minor', c='w', lw=0.5, ls='-')
for spine in ('top', 'right', 'bottom', 'left'):
ax.spines[spine].set_visible(False)
plt.ticklabel_format(style='sci',
axis='y',
scilimits=(0, 0),
useOffset=False,
useLocale=False)
# On enlève le label sur l'axe x
x_label = ax.axes.get_xaxis().get_label().set_visible(False)
# legende
legend = ax.legend().get_frame().set_alpha(0.8)
plt.legend(fontsize=7)
plt.tight_layout()
plt.savefig(filenameFig, dpi=dpi)
plt.close()
def show_from_df(self, pd):
ax = pd.plot(use_index=True, figsize=(12, 5), title=u"趋势情况")
# ax.set_xlabel(u"日期")
# xticks = range(0, len(pd), len(pd)//6)
# xticklabels = [pd.index[i] for i in xticks]
# ax.set_xticks(xticks)
# ax.set_xticklabels(xticklabels, rotation=70)
plt.legend()
def plot_composation(adata_input, clustering='leiden'):
fig, axs = plt.subplots(2, 2, figsize=(12, 8))
# 1
sc.pl.umap(adata_input,
color=clustering,
legend_loc='on data',
ax=axs[0, 0],
show=False)
# 2
sc.pl.umap(adata_input, color=['sample_name'],
alpha=.15, size=9, ax=axs[0, 1], show=False)
# 3
cell_per_cluster = adata_input.obs.groupby([
clustering, "sample_name"
]).size().reset_index(name="Cells").pivot_table(index=clustering,
columns='sample_name',
values='Cells',
fill_value=0)
pd = cell_per_cluster # .apply(lambda x: round(x / x.sum(),3)*100)
pd.plot(
kind='bar',
stacked=True,
legend=False,
ax=axs[1, 0],
)
axs[1, 0].set_ylabel('Cell count')
# 4
pd = cell_per_cluster.apply(
lambda x: round(x / x.sum(), 3) * 100,
axis=1,
)
pd.plot(kind='bar', stacked=True, legend=False, ax=axs[1, 1])
axs[1, 1].set_ylabel('Percentage')
# patches, labels = axs[1,1].get_legend_handles_labels()
# axs[1,1].legend(patches, labels, loc='upper left', bbox_to_anchor=(1,1))
plt.tight_layout()
plt.show()
return fig
# In[44]: Soal1
import pandas as Rifky #melakukan import pada library pandas sebagai Rifky
iphone = {
"Nama Iphone": ['Iphone7', 'Iphone8', 'Iphone10', 'Iphone11']
} #membuat varibel yang bernama iphone, dan mengisi dataframe nama2 iphone
x = Rifky.DataFrame(
laptop
) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print(' Rifky Punya Iphone ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as Rifky #melakukan import numpy sebagai Rifky
matrix_x = Rifky.eye(
10) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as Rifky #import matploblib sebagai Rifky
Rifky.plot([1, 1, 7, 4, 0, 2,
1]) #memberikan nilai plot atau grafik pada Rifky
Rifky.xlabel('Muh Rifky Prananda') #memberikan label pada x
Rifky.ylabel('1174017') #memberikan label pada y
Rifky.show() #print hasil plot berbentuk grafik
# In[44]: Soal1
import pandas as fanny #melakukan import pada library pandas sebagai fanny
boyband = {"Boyband" : ['EXO','SEVENTEEN','DAY6','IKON']} #membuat varibel yang bernama boyband, dan mengisi dataframe nama2 boyband
x = fanny.DataFrame(boyband) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print (' Boyband kesukaan Fanny ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as fanny #melakukan import numpy sebagai fanny
matrix_x = fanny.eye(10) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print (matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as fanny #import matploblib sebagai fanny
fanny.plot([1,1,7,4,0,6,9]) #memberikan nilai plot atau grafik pada fanny
fanny.xlabel('Fanny Shafira Damayanti') #memberikan label pada x
fanny.ylabel('1174069') #memberikan label pada y
fanny.show() #print hasil plot berbentuk grafik
# In[44]: Soal1
import pandas as oni #melakukan import pada library pandas sebagai oni
laptop = {
"Nama Laptop": ['Asus', 'HP', 'Lenovo', 'Samsung']
} #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop
x = oni.DataFrame(
laptop
) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print(' Oni Punya Laptop ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as oni
matrix_x = oni.eye(
10) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as oni #import matploblib sebagai fahmi
oni.plot([1, 1, 7, 4, 0, 0, 5]) #memberikan nilai plot atau grafik pada fahmi
oni.xlabel('Oniwaldus Bere Mali') #memberikan label pada x
oni.ylabel('1174021') #memberikan label pada y
oni.show() #print hasil plot berbentuk grafik
Created on Mon Mar 23 15:03:30 2020
@author: Tia
"""
# In[44]: Soal1
import pandas as tia #melakukan import pada library pandas sebagai tia
makanan = {"Makanan" : ['Pizza','Batagor','Cimol','Lumpia']} #membuat varibel yang bernama boyband, dan mengisi dataframe nama2 makanan
x = tia.DataFrame(makanan) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print (' Makanan kesukaan tia' + x) #print hasil dari x
# In[44]: Soal2
import numpy as tia #melakukan import numpy sebagai tia
matrix_x = tia.eye(10) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print (matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as tia #import matploblib sebagai tia
tia.plot([1,1,7,4,0,8,6]) #memberikan nilai plot atau grafik pada tia
tia.xlabel('Tia Nur Candida') #memberikan label pada x
tia.ylabel('1174086') #memberikan label pada y
tia.show() #print hasil plot berbentuk grafik
from pyspark.sql import SparkSession
from pyspark.sql.functions import explode
import matplotlib as plt
import matplotlib.pyplot as plt
import pandas as pd
spark = SparkSession \
.builder \
.appName("Player recognition in NBA") \
.getOrCreate()
# spark is an existing SparkSession
df = spark.read.json("C:/Users/Vamsi Draksharam/PycharmProjects/PB-Vamsi/phase2/data2.json")
# Displays the content of the DataFrame to stdout
# Register the DataFrame as a SQL temporary view
df.createOrReplaceTempView("nba")
sqlDF = spark.sql("SELECT 'Jordan Clarkson' as Player, count(*) as Count from nba where text like '%jordan%' and text like '%nba%'\
UNION\
SELECT 'Stephen Curry' as Player, count(*) as Count from nba where text like '%curry%' and text like '%nba%'\
UNION\
SELECT 'LeBron James' as Player, count(*) as Count from nba where text like '%lebron%' and text like '%nba%' UNION\
SELECT 'James Harden' as Player, count(*) as Count from nba where text like '%harden%' and text like '%nba%' UNION\
SELECT 'Anthony Davis' as Player, count(*) as Count from nba where text like '%anthony%' and text like '%nba%'")
pd = sqlDF.toPandas()
pd.to_csv('10.csv', index=False)
pd.plot(kind="bar",x="Player",y="Count")
plt.show()
sqlDF.show()
buah
) # Membuat variabel x yang akan membuat DataFrame dari library pandas yang akan memanggil variabel aplikasi.
print(' KK makan buah: ' + x) #print hasil dari x
# In[1]
import numpy as KK #Melakukan import library numpy menjadi nama sendiri yaitu KK
matrix_x = KK.eye(
10) #Membuat sebuah matrix pake numpy dengan menggunakan fungsi eye
matrix_x #Mendeklrasikan matrix_x yang tadi dibuat
print(matrix_x) #print matrix_x yang tadi dibuat yang berbentuk 10x10
# In[2]
import matplotlib.pyplot as KK #Melakukan import library numpy menjadi nama sendiri yaitu KK
KK.plot([1, 1, 7, 4, 0, 6, 7]) #MemasuKKan nilai pada plot
KK.xlabel('KK KMLDN') #Menambahkan label pada x
KK.ylabel('1174067') #Menambahkan label pada y
KK.show() #Menampilkan grafik plot
# In[3]: Random Forest
import pandas as pd #Melakukan import library numpy menjadi pd
imgatt = pd.read_csv(
"D:/OneDrive - Hybi.god/KULIAH/Semester 6/AI/KB3C/src/1174067/3/CUB_200_2011/attributes/image_attribute_labels.txt",
sep='\s+',
header=None,
error_bad_lines=False,
warn_bad_lines=False,
usecols=[0, 1, 2],
names=['imgid', 'attid', 'present']
"""
Created on Tue Mar 17 13:19:22 2020
@author: Nico Sembiring
"""
# In[1]:
import pandas as nico #melakukan import pada library pandas sebagai nico
makanan = {
"List Nama makanan Nico": ['Bakso', 'Mie Ayam', 'Batagor', 'Nasi Goreng']
} #membuat varibel yang bernama makanan , dan mengisi dataframe nama2 Makanan
makan = nico.DataFrame(
makanan) #membuat variabel makan untuk memanggil dataframe makanan
print('Nico Suka ' +
makan) #memanggil variabel makan dengan data dari dataframe makanan
# In[2] :
import numpy as nico #melakukan import numpy sebagai nico
matrix = nico.eye(
12
) #Membuat variabel dengan nama matrix untuk memanggil fungsi eye sebagai matrix identitas dengan jumlah kolom dan baris 12
print(matrix) #memanggil variabel matrix
# In[3] :
import matplotlib.pyplot as nico #melakukan import pada library matplotlib sebagai nico
nico.plot([1, 4, 2, 4, 5, 2, 1]) #menentukan titik
nico.ylabel('Nilainya') #mendefinisikan nilai y dengan nama Nilainya
nico.show() #memunculkan grafik
import pandas as plt import numpy as np plt.plot(x, y)
import pandas as pd
pd.read_csv("World firearms murders and ownership - Sheet 1.tsv", sep=",")
pd.plot()
mobil = {
"Nama Mobil": [
'Ferrari',
'Lamborgini',
]
} #membuat varibel yang bernama mobil
x = habib.DataFrame(
mobil
) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel mobil.
print(' Habib Mempunyai Mobil ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as habib #melakukan import numpy sebagai habib
matrix_x = habib.eye(
16) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as habib #import matploblib sebagai habib
habib.plot([1, 3, 5, 4, 0, 6,
1]) #memberikan nilai plot atau grafik pada habib
habib.xlabel('Habib Abdul Rasyid') #memberikan label pada x
habib.ylabel('1174002') #memberikan label pada y
habib.show() #print hasil plot berbentuk grafik
from pyspark.sql import SparkSession
from pyspark.sql.functions import explode
import matplotlib as plt
import matplotlib.pyplot as plt
import pandas as pd
spark = SparkSession \
.builder \
.appName("Python Spark SQL basic example") \
.getOrCreate()
# spark is an existing SparkSession
df = spark.read.json("/home/siri/Downloads/project/tech_tweets.json")
# Displays the content of the DataFrame to stdout
# Register the DataFrame as a SQL temporary view
df.createOrReplaceTempView("Technology")
sqlDF = spark.sql("SELECT 'Stanford' as Colleges, count(*) as Count from Technology where text like '%Stanford%' and text like '%AI%'\
UNION\
SELECT 'MIT' as Colleges, count(*) as Count from Technology where text like '%MIT%' and text like '%AI%'\
UNION\
SELECT 'UMKC' as Colleges, count(*) as Count from Technology where text like '%UMKC%' or text like '%AI%'")
plt.show()
pd = sqlDF.toPandas()
pd.to_csv('sixth.csv', index=False)
pd.plot(kind="bar",x="Colleges",y="Count")
sqlDF.show()
from pyspark.sql import SparkSession
from pyspark.sql.functions import explode
import matplotlib as plt
import matplotlib.pyplot as plt
import pandas as pd
spark = SparkSession \
.builder \
.appName("Python Spark SQL basic example") \
.getOrCreate()
# spark is an existing SparkSession
df = spark.read.json("/home/siri/Downloads/project/tech_tweets.json")
# Displays the content of the DataFrame to stdout
# Register the DataFrame as a SQL temporary view
df.createOrReplaceTempView("Technology")
sqlDF = spark.sql(
"SELECT 'Home' as Field, count(*) as Count from Technology where text like '%home%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%')\
UNION\
SELECT 'Business' as Field, count(*) as Count from Technology where text like '%business%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%')\
UNION\
SELECT 'Health' as Field, count(*) as Count from Technology where text like '%health%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%')"
)
pd = sqlDF.toPandas()
pd.to_csv('sixth.csv', index=False)
pd.plot(kind="bar", x="Field", y="Count")
plt.show()
sqlDF.show()
# In[44]: Soal1
import pandas as felix #melakukan import pada library pandas sebagai felix
laptop = {"Nama Laptop" : ['Asus','HP','Lenovo','Samsung']} #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop
x = felix.DataFrame(laptop) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print (' felix Punya Laptop ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as felix #melakukan import numpy sebagai felix
matrix_x = felix.eye(10) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print (matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as felix #import matploblib sebagai felix
felix.plot([1,1,7,4,0,2,1]) #memberikan nilai plot atau grafik pada felix
felix.xlabel('Muhammad felix') #memberikan label pada x
felix.ylabel('1174026') #memberikan label pada y
felix.show() #print hasil plot berbentuk grafik
import pandas as plt
import seaborn as sns
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.cluster import KMeans
data = make_blobs(n_samples=200, n_features=2,centers=4, cluster_std=1.8, random_state=101)
plt.scatter(data[0][:,0], data[0][:,1],c=data[1], cmap='rainbow')
#plt.show()
kmeans = KMeans(n_clusters=4)
kmeans.fit(data[0])
print(kmeans.cluster_centers_)
print(kmeans.labels_)
plt.plot(kmeans.cluster_centers_)
#plt.show()
fig, (ax1, ax2) = plt.subplots(1,2, sharey=True, figsize = (10,6) )
ax1.set_title('K_means')
ax1.scatter(data[0][:,0], data[0][:,1],c=kmeans.labels_, cmap='rainbow')
ax2.set_title('Original')
ax2.scatter(data[0][:,0], data[0][:,1],c=data[1], cmap='rainbow')
plt.show()
# In[44]: Soal1
import pandas as ainul #melakukan import pada library pandas sebagai ainul
laptop = {
"Nama Laptop": ['Asus', 'HP', 'Lenovo', 'Samsung']
} #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop
x = ainul.DataFrame(
laptop
) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print(' ainul Punya Laptop ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as ainul #melakukan import numpy sebagai ainul
matrix_x = ainul.eye(
10) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as ainul #import matploblib sebagai ainul
ainul.plot([1, 1, 7, 4, 0, 7,
3]) #memberikan nilai plot atau grafik pada ainul
ainul.xlabel('ainul filiani') #memberikan label pada x
ainul.ylabel('1174073') #memberikan label pada y
ainul.show() #print hasil plot berbentuk grafik
#variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print (' Marvel kesukaan gani ' + x)
#print hasil dari x
# In[44]: Soal2
import numpy as gani
#melakukan import numpy sebagai gani
matrix_x = gani.eye(10)
#untuk membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x
#untuk deklrasikan matrix_x yang telah dibuat
print (matrix_x)
#menampilkan print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as gani
#import matploblib sebagai gani
gani.plot([1,1,7,4,0,7,1])
#untuk memberikan nilai plot atau grafik pada gani
gani.xlabel('Muhammad Abdul Gani Wijaya')
#untuk memberikan label pada x
gani.ylabel('1174071')
#untuk memberikan label pada y
gani.show()
#menampilkan print hasil plot berbentuk grafik
from pyspark.sql import SparkSession
from pyspark.sql.functions import explode
import matplotlib as plt
import matplotlib.pyplot as plt
import pandas as pd
spark = SparkSession \
.builder \
.appName("List of top players and their occurrences") \
.getOrCreate()
# spark is an existing SparkSession
df = spark.read.json(
"C:/Users/Vamsi Draksharam/PycharmProjects/PB-Vamsi/phase2/data2.json")
df.createOrReplaceTempView("NBA")
sqlDF = spark.sql(
"SELECT 'Chris Paul' as Player, count(*) as Occurrences from nba where text like '%chris paul%' or text like '%nba%' or upper(text) like '%CHRIS PAUL%' or upper(text) like '%NBA%'\
UNION\
SELECT 'Stephen Curry' as Player, count(*) as Occurrences from nba where text like '%curry%' or upper(text) like '%CURRY%'\
UNION\
SELECT 'Kevin Durant' as Player, count(*) as Occurrences from nba where text like '%kevin durant%' or upper(text) like '%KEVIN DURANT%' or text like '%nba%' or upper(text) like '%NBA%' UNION\
SELECT 'LeBron James' as Player, count(*) as Occurrences from nba where text like '%lebron%' or upper(text) like '%LEBRON%' or text like '%LeBron James' UNION\
SELECT 'Russell Westbrook' as Player, count(*) as Occurrences from nba where text like '%westbrook%' or upper(text) like '%WESTBROOK%'"
)
pd = sqlDF.toPandas()
pd.to_csv('5.csv', index=False)
#code of bar-graph
pd.plot(kind="bar", x="Player", y="Occurrences")
plt.show()
sqlDF.show()
from pyspark.sql import SparkSession
from pyspark.sql.functions import explode
import matplotlib as plt
import matplotlib.pyplot as plt
import pandas as pd
spark = SparkSession \
.builder \
.appName("Python Spark SQL basic example") \
.getOrCreate()
# spark is an existing SparkSession
df = spark.read.json("/home/siri/Downloads/project/tech_tweets.json")
# Displays the content of the DataFrame to stdout
# Register the DataFrame as a SQL temporary view
df.createOrReplaceTempView("Technology")
sqlDF = spark.sql(
"SELECT 'Horror' as Movies, count(*) as Count from Technology where text like '%horror%' and text like '%vfx%'\
UNION\
SELECT 'comedy' as Movies, count(*) as Count from Technology where text like '%comedy%' and text like '%vfx%'\
UNION\
SELECT 'thriller' as Movies, count(*) as count from Technology where text like '%thriller' and text like '%vfx%'\
UNION\
SELECT 'action' as Movies, count(*) as Count from technology where text like '%action%' and text like '%vfx%'"
)
plt.show()
pd = sqlDF.toPandas()
pd.to_csv('eight.csv', index=False)
pd.plot(kind="bar", x="Movies", y="Count")
sqlDF.show()
# In[44]: Soal1
import pandas as fahmi #melakukan import pada library pandas sebagai fahmi
laptop = {
"Nama Laptop": ['Asus', 'HP', 'Lenovo', 'Samsung']
} #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop
x = fahmi.DataFrame(
laptop
) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print(' Fahmi Punya Laptop ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as fahmi #melakukan import numpy sebagai fahmi
matrix_x = fahmi.eye(
10) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as fahmi #import matploblib sebagai fahmi
fahmi.plot([1, 1, 7, 4, 0, 2,
1]) #memberikan nilai plot atau grafik pada fahmi
fahmi.xlabel('Muhammad Fahmi') #memberikan label pada x
fahmi.ylabel('1174021') #memberikan label pada y
fahmi.show() #print hasil plot berbentuk grafik
Amazonfrom pyspark.sql import SparkSession
from pyspark.sql.functions import explode
import matplotlib as plt
import matplotlib.pyplot as plt
import pandas as pd
spark = SparkSession \
.builder \
.appName("Python Spark SQL basic example") \
.getOrCreate()
# spark is an existing SparkSession
df = spark.read.json("/home/siri/Downloads/project/tech_tweets.json")
# Displays the content of the DataFrame to stdout
# Register the DataFrame as a SQL temporary view
df.createOrReplaceTempView("Technology")
sqlDF = spark.sql("SELECT 'Microsoft' as Company, count(*) as Count from Technology where text like '%Microsoft%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%') UNION SELECT 'IBM' as Company, count(*) as Count from Technology where text like '%IBM%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%') UNION SELECT 'Amazon' as Company, count(*) as Count from Technology where text like '%Cerner%' and (text like '%AI%' or text like '%IoT%' or text like '%ML%')")
pd = sqlDF.toPandas()
pd.to_csv('third.csv', index=False)
pd.plot(kind="bar",x="Company",y="Count")
plt.show()
sqlDF.show()
# In[1]
import pandas as yuli #melakukan import pada library pandas sebagai yuli
sayur = {
"Nama": ['Kangkung', 'Bayam', 'Sawi', 'Pokcoy']
} #membuat varibel yang bernama sayur, dan mengisi dataframe nama2 sayur
x = yuli.DataFrame(
sayur
) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel sayur.
print(' Aku akan masak sayur ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as yuli #melakukan import numpy sebagai yuli
matrix_x = yuli.eye(
15) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as yuli #import matploblib sebagai yuli
yuli.plot([0, 2, 0, 5, 8, 1, 5,
7]) #memberikan nilai plot atau grafik pada yuli
yuli.xlabel('Yuli') #memberikan label pada x
yuli.ylabel('1174009') #memberikan label pada y
yuli.show() #print hasil plot berbentuk grafik
if __name__ == '__main__':
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
index = ['%d月' % x for x in range(1, 13)]
pd = pd.DataFrame(np.random.randint(1000, size=36).reshape(12, 3),
index=index,
columns=['部门1', '部门2', '部门3'])
pd.plot(kind='bar', ylim=[0, 1100], title='部门统计', rot=0)
plt.show()
from pyspark.sql import SparkSession
from pyspark.sql.functions import explode
import matplotlib as plt
import matplotlib.pyplot as plt
import pandas as pd
spark = SparkSession \
.builder \
.appName("Python Spark SQL basic example") \
.getOrCreate()
# spark is an existing SparkSession
df = spark.read.json("E:\PB Elections data\extractTweetsM.json")
# Displays the content of the DataFrame to stdout
# Register the DataFrame as a SQL temporary view
df.createOrReplaceTempView("Elections")
sqlDF = spark.sql(
"SELECT 'BJP' as party, count(*) as votes from Elections where text like '%BJP%' and text like '%support%'\
UNION\
SELECT 'congress' as party, count(*) as votes from Elections where text like '%congress%' and text like '%support%'"
)
pd = sqlDF.toPandas()
pd.to_csv('fourth.csv', index=False)
pd.plot(kind="bar", x="party", y="votes")
plt.show()
sqlDF.show()
# In[44]: Soal1
import pandas as Arjun #melakukan import pada library pandas sebagai arjun
laptop = {
"Nama Laptop": ['Asus', 'ROG', 'Lenovo', 'Samsung']
} #membuat varibel yang bernama laptop, dan mengisi dataframe nama2 laptop
x = Arjun.DataFrame(
laptop
) #variabel x membuat DataFrame dari library pandas dan akan memanggil variabel laptop.
print(' Arjun Punya Laptop ' + x) #print hasil dari x
# In[44]: Soal2
import numpy as Arjun #melakukan import numpy sebagai arjun
matrix_x = Arjun.eye(
10) #membuat matrix dengan numpy dengan menggunakan fungsi eye
matrix_x #deklrasikan matrix_x yang telah dibuat
print(matrix_x) #print matrix_x yang telah dibuat dengan 10x10
# In[44]: Soal3
import matplotlib.pyplot as Arjun #import matploblib sebagai arjun
Arjun.plot([1, 1, 7, 4, 0, 2,
1]) #memberikan nilai plot atau grafik pada arjun
Arjun.xlabel('Arjun Yuda Firwanda') #memberikan label pada x
Arjun.ylabel('1174008') #memberikan label pada y
Arjun.show() #print hasil plot berbentuk grafik
dataset = pt.read_csv('mall.csv')
x = dataset.iloc[:, [3, 4]].values
#using elbow method for finding optimal no. of clusters
from sklearn.cluster import KMeans
wcss = []
for i in range(1, 11):
kmeans = KMeans(n_clusters=i,
init='k-means++',
n_init=10,
max_iter=300,
random_state=0)
kmeans.fit(x)
wcss.append(kmeans.inertia_) #wcss is also called inertia
pt.plot(range(1, 11), wcss)
pt.title('the elbow method')
pt.ylabel('wcss')
pt.xlabel('Number of clusters')
pt.show()
#applying k-means on dataset
kmeans = KMeans(n_clusters=5,
init='k-means++',
max_iter=300,
n_init=10,
random_state=0)
y_km = kmeans.predict(x)
#visualization
pd.scatter(x[y_km == 0, 0], x[y_km == 0, 1], s=100, c='red', label='c1')
(4.9, '2011/03/09 17:57:27'), (2.5, '2011/03/09 17:02:06'),
(2.5, '2011/03/09 16:12:03'), (2.8, '2011/03/09 14:30:37'),
(4.8, '2011/03/09 14:24:06'), (5.3, '2011/03/09 13:57:28'),
(3.2, '2011/03/09 13:55:24'), (5.1, '2011/03/09 13:51:42'),
(5.0, '2011/03/09 13:24:08'), (2.8, '2011/03/09 12:56:35'),
(2.6, '2011/03/09 12:14:14'), (4.7, '2011/03/09 12:03:18'),
(5.1, '2011/03/09 11:27:52'), (3.5, '2011/03/09 11:05:09'),
(4.7, '2011/03/09 10:13:40'), (2.6, '2011/03/09 09:45:14'),
(4.8, '2011/03/09 08:55:38'), (3.3, '2011/03/09 08:37:30'),
(5.3, '2011/03/09 08:02:36'), (5.1, '2011/03/09 07:56:28'),
(5.0, '2011/03/09 07:13:48'), (5.1, '2011/03/09 06:25:12'),
(4.9, '2011/03/09 06:12:13'), (2.9, '2011/03/09 05:33:50'),
(4.7, '2011/03/09 05:27:06'), (5.3, '2011/03/09 04:45:54'),
(5.7, '2011/03/09 04:37:04'), (5.2, '2011/03/09 04:32:10'),
(3.0, '2011/03/09 04:17:17'), (4.8, '2011/03/09 04:15:39'),
(5.2, '2011/03/09 04:05:54'), (2.5, '2011/03/09 03:51:21'),
(5.0, '2011/03/09 03:19:00'), (5.2, '2011/03/09 03:08:36'),
(5.6, '2011/03/09 02:57:17'), (7.2, '2011/03/09 02:45:20'),
(4.6, '2011/03/09 01:47:47'), (4.7, '2011/03/09 01:30:27')]
ydata = []
for t in data:
ydata.append(t[0])
pd.plot(ydata)
pd.title('Earthquake Magnitude in Japan from 3/9-3/12')
pd.xlabel('Time')
pd.ylabel('Magnitude')
pd.show()
aplikasi
) # Membuat variabel x yang akan membuat DataFrame dari library pandas yang akan memanggil variabel aplikasi.
print(' Dirga pake aplikasi: ' + x) #print hasil dari x
# In[1]
import numpy as dirga #Melakukan import library numpy menjadi nama sendiri yaitu dirga
matrix_x = dirga.eye(
10) #Membuat sebuah matrix pake numpy dengan menggunakan fungsi eye
matrix_x #Mendeklrasikan matrix_x yang tadi dibuat
print(matrix_x) #print matrix_x yang tadi dibuat yang berbentuk 10x10
# In[2]
import matplotlib.pyplot as dirga #Melakukan import library numpy menjadi nama sendiri yaitu dirga
dirga.plot([1, 1, 7, 4, 0, 6, 6]) #Memasukkan nilai pada plot
dirga.xlabel('Dirga Brajamusti') #Menambahkan label pada x
dirga.ylabel('1174066') #Menambahkan label pada y
dirga.show() #Menampilkan grafik plot
# In[3]: Random Forest
import pandas as pd #Melakukan import library numpy menjadi pd
imgatt = pd.read_csv(
"N:/Tugas/Kuliah/Semester 6/Kecerdasan Buatan/KB3C Ngerjain/src/1174066/3/CUB_200_2011/attributes/image_attribute_labels.txt",
sep='\s+',
header=None,
error_bad_lines=False,
warn_bad_lines=False,
usecols=[0, 1, 2],
names=['imgid', 'attid', 'present']
