caiotomas / mean-variance-standard-deviation-calculator-fcc Goto Github PK

This is the repo of my solution to the Mean, Variance and Standard Deviation Calculator project from the Data Analysis with Python course from freeCodeCamp. The portuguese description is down below.

Create a function named calculate() in mean_var_std.py that uses Numpy to output the mean, variance, standard deviation, max, min, and sum of the rows, columns, and elements in a 3 x 3 matrix.

The input of the function should be a list containing 9 digits. The function should convert the list into a 3 x 3 Numpy array, and then return a dictionary containing the mean, variance, standard deviation, max, min, and sum along both axes and for the flattened matrix.

The returned dictionary should follow this format:

{
  'mean': [axis1, axis2, flattened],
  'variance': [axis1, axis2, flattened],
  'standard deviation': [axis1, axis2, flattened],
  'max': [axis1, axis2, flattened],
  'min': [axis1, axis2, flattened],
  'sum': [axis1, axis2, flattened]
}

If a list containing less than 9 elements is passed into the function, it should raise a ValueError exception with the message: "List must contain nine numbers." The values in the returned dictionary should be lists and not Numpy arrays.

For example, calculate([0,1,2,3,4,5,6,7,8]) should return:

{
  'mean': [[3.0, 4.0, 5.0], [1.0, 4.0, 7.0], 4.0], 
  'variance': [[6.0, 6.0, 6.0], [0.6666666666666666, 0.6666666666666666, 0.6666666666666666], 6.666666666666667], 
  'standard deviation': [[2.449489742783178, 2.449489742783178, 2.449489742783178], [0.816496580927726, 0.816496580927726, 0.816496580927726], 2.581988897471611],
  'max': [[6, 7, 8], [2, 5, 8], 8],
  'min': [[0, 1, 2], [0, 3, 6], 0],
  'sum': [[9, 12, 15], [3, 12, 21], 36]
}

The unit tests for this project are in test_module.py.

For development, you can use main.py to test your calculate() function. Click the "run" button and main.py will run.

We imported the tests from test_module.py to main.py for your convenience. The tests will run automatically whenever you hit the "run" button.

Copy your project's URL and submit it to freeCodeCamp.

Esse é o repositório com a minha solução para o projeto Mean, Variance and Standard Deviation Calculator do curso Data Analysis with Python do freeCodeCamp. A tradução é livre e feita por mim.

Crie uma função chamada calculate() em mean_var_std.py que usa Numpy para retornar a média, variância, desvio padrão, máximo, mínimo, soma das linhas, colunas e elementos em uma matriz 3 x 3.

A entrada da função deve ser uma lista com 9 dígitos. A função deve converter a lista em um array 3 x 3 do Numpy e retornar um dicionário contendo todos os valores mencionados acima ao longo dos dois eixos e da matriz achatada.

O dicionário retornado deve seguir o seguinte formato:

{
  'mean': [axis1, axis2, flattened],
  'variance': [axis1, axis2, flattened],
  'standard deviation': [axis1, axis2, flattened],
  'max': [axis1, axis2, flattened],
  'min': [axis1, axis2, flattened],
  'sum': [axis1, axis2, flattened]
}

Se uma lista com menos de 9 elementos for passada na função, ela deve levantar uma exceção ValueError com a messagem: "List must contain nine numbers." Os valores no dicionário retornado devem ser listas e não arrays do Numpy.

Por exemplo, calculate([0,1,2,3,4,5,6,7,8]) deve retornar:

{
  'mean': [[3.0, 4.0, 5.0], [1.0, 4.0, 7.0], 4.0], 
  'variance': [[6.0, 6.0, 6.0], [0.6666666666666666, 0.6666666666666666, 0.6666666666666666], 6.666666666666667], 
  'standard deviation': [[2.449489742783178, 2.449489742783178, 2.449489742783178], [0.816496580927726, 0.816496580927726, 0.816496580927726], 2.581988897471611],
  'max': [[6, 7, 8], [2, 5, 8], 8],
  'min': [[0, 1, 2], [0, 3, 6], 0],
  'sum': [[9, 12, 15], [3, 12, 21], 36]
}

Os testes unitários deste projeto estão em test_module.py.

Para desenvolvimento, você pode usar main.py para testar sua função calculate(). Clique em "run" para rodar main.py.

Os testes unitários para este projeto estão em test_module.py. Importamos os testes de test_module.py para main.py por conveniência. Os teste vão rodar automaticamente quando clicar em "run".

Copie a URL do projeto e submeta-a ao freeCodeCamp.