Øvingsoppgaver

Her er øvingsopgaver som passer å gjøre etter første undervisningsøkt i kurset.

Trekke ut informasjon fra datasett

a) Last ned filen “bestsellers with categories.xls” her, og les den inn med pandas.

b) Behandling av data: - Datasettet har noen bøker med flere ganger. Fjern duplikatene med .drop_duplicates("Name") - Fjern navnet på boken og forfatteren fra dataen - Fjern alle bøker med mindre enn 1000 anmeldelser

c) Plot - Gjennomsnittlig anmeldelsesskårer for fiksjon og sakprosa - Gjennomsnittlig anmeldelsesskårer for hvert utgivelsesår. - Antall bøker for hver score - Antall anmeldelser for hver score

d) Hvor mange fiksjonsbøker fra 2017 fikk en score bedre enn 4.6?

Beregning av strømregning basert på forbruksdata og prisdata

Har du betalt rett pris for strømmen din? Last ned dette datasettet som inneholder strømavlesninger fra en adresse i oslo-området i desember 2024. Alle som har et strømabonnement i Norge kan laste ned sine forbruksdata fra Elhub.

a) Plott strømforbruket som funksjon av tid.

import pandas as pd
import matplotlib.pyplot as plt
df_forbruk = pd.read_csv("data/meteringvalues-nov-2024.csv", sep=";", decimal=",")
plt.plot(df_forbruk['KWH 60 Forbruk'])

b) Vi kan så hente prisdata fra Nordpool. Vi har lastet ned prisene for desember 2024 for dere her.

Hvordan hentet vi data fra nordpool?

from nordpool import elspot
import datetime
price_list = []
prices_spot = elspot.Prices(currency="NOK")
for i in range(1, 32):
    entry = prices_spot.hourly(end_date=datetime.datetime(2024, 12, i), areas=['NO1'], )
    price_list.append(entry)

Så henter vi ut den delen av informasjonen som vi er interessert i og lagrer som csv-fil.

import pandas as pd
clean_list = []
for element in price_list: 
    clean_list += element["areas"]["NO1"]["values"]
df_pris = pd.DataFrame(clean_list)
df_pris.to_csv("data/nordpool-dec-24.csv")

c) For å komplisere saken videre, har staten innført strømstøtte. I 2024 dekket staten 90 % av den delen av strømprisen som var over 73 øre eks moms. Hvor mye strømstøtte kommer denne kunden til å få?

Tips: Lag først en funksjon som konverterer strømpris til strømpris med strømstøtte.

d) Vi kan så se om vi klarer å finne en sammenheng mellom strømforbruk og utetemperatur. Du kan hente data fra meteorologisk institutt sitt frost-API. Først oppretter du en bruker (her)[https://frost.met.no/howto.html] (det går superfort). Så kan du hente data med følgende python-kode:

import requests
import pandas as pd

client_id = client_id
endpoint = 'https://frost.met.no/observations/v0.jsonld'
parameters = {
    'sources': 'SN18700',
    'elements': 'mean(air_temperature P1D)',
    'referencetime': '2024-12-01/2025-01-01',
}
r = requests.get(endpoint, parameters, auth=(client_id,''))

json = r.json()

e) Om du lusker rundt på denne adressen, vil du kanskje finne en ganske ny varmepumpe. Kan du med informasjon om strømforbruk og temperatur fastslå omtrent når denne ble installert?