Sisällysluettelo

• 1. Johdanto Datajournalismi ja ohjelmointi
• 2. Aineistot, ympäristöt ja komentojen antaminen chatissä
• 3. Datan tutkiminen I
• 4. Datan tutkiminen II
• 5. Julkaiseminen

# Python koodi esimerkki
def hello_world():
    print("Hello, World!")

hello_world()
      

Viikko 1

Ohjelmointi, komentorivi ja datan käyttö

Miksi ohjelmointia on hyvä ymmärtää?

• Koodin ymmärtäminen auttaa hahmottamaan yhä teknisempää yhteiskuntaa. Yhteiskunta ja arkipäiväiset toiminnot digitalisoituvat jatkuvasti. Koodin perusteiden ymmärtäminen auttaa arvioimaan teknologian roolia ja vaikutuksia yhteiskunnassa.
• Ohjelmointi on luova tapa ratkaista ongelmia ja tuoda omia ideoita käytäntöön. Koodin avulla voit kehittää uusia työkaluja, luoda vuorovaikutteisia kokemuksia ja vaikuttaa ympäristöösi uusin keinoin.
• Kun ymmärrät koodia, sinulla on vapaus käyttää ja muokata avoimen lähdekoodin projekteja omiin tarpeisiisi. Tämä antaa mahdollisuuden rakentaa omaa osaamista ja riippumattomuutta kaupallisista ohjelmistoratkaisuista, sekä tukea yhteisöllisessä kehittämisessä.

ensimmäinen luento, alkeet

2 + 2
    

200 - 75
    

haravia_luku = 10
haravia_luku * (haravia_luku + 2)
    

Tehokas laskemaan isompiakin lukuja

# Yksinkertainen laskutoimitus
2 + 3
  

# Vähennyslasku
250 - 80
  

# Kertolasku sulkeilla
5 * (4 + 8)
  

# Jakolasku sulkeilla
9 / (4 + 10)
  

# Tämä on haastavampi laskutoimitus
1423345 * 317123
  

# Alla oleva koodia ei suoriteta, koska se on kommentoitu pois
# 3 + 3
  

soitto = 16
soitto * soitto  # Muuttujan käyttö on voimakas tapa 
# hallita koodia. Laskemalla voi kokeilla, kuinka monta 
# saa soiton puhelimeen jos 16 henkilöä soittaa 16 henkilölle
  

haravia_lukumaara = 5
haravia_lukumaara * (haravia_lukumaara + 3)
# Koodi suoritetaan matemaattisesti järjestyksessä:
# ensin sulkeet, sitten lasketaan kertolasku.
  

Matematiikan laskutoimitukset

'Tiina'
  

"Laura"
  

# Nimimuuttuja
nimi = "Satu"
  

# Näytetään muuttujan arvo
nimi
  

nimi = "Maria"
  

# Tulostetaan nimi
print(nimi)
  

# Yhdistetään tekstiä
nimi = "Satu"
print("Hei " + nimi + "!")
  

# Useita arvoja, eroteltuna huutomerkein
print("Hei", "Moi", "Terve", sep="! ", end="!")
  

# Tutkitaan luvun tyyppiä
luku = 3
type(luku)
  

# Tutkitaan tekstimuuttujan tyyppiä
nimi = "Satu"
type(nimi)
  

totuusarvo = True
type(totuusarvo)
#tulostaa rivin 
  

soitto = 14

# Huom! Sisennyksellä on merkitystä
if soitto > 10:
    print("Luku on suurempi kuin kymmenen!")
else:
    print("Luku on pienempi kuin kymmenen")
  

# Ehtolauseella useita vaihtoehtoja
luku = 9

if luku < 5:
    print("Luku on pienempi kuin viisi.")
elif luku == 5:
    print("Luku on viisi.")
else:
    print("Luku on suurempi kuin viisi.")
  

# Tarkistetaan arvojen väli
luku = 7

if luku \> 0 and luku <= 12:
    print("Luku on yhdestä kahteentoista.")
else:
    print("Luku on jotain muuta kuin yhdestä kahteentoista.")

  

# Sama tarkistus toisin tavoin
luku = 5

if 0 < luku <= 10:
    print("Luku on yhdestä kymmeneen.")
else:
    print("Luku on jotain muuta kuin yhdestä kymmeneen.")
  

# Yksinkertainen funktio tervehtimään
def hei():
    print("Hei, maailma!")

hei()
  

# Funktio, joka tervehtii nimellä
def tervehdys(nimi):
    print("Hei " + nimi + "!")

tervehdys("Ella")
  

# Funktio, jossa on oletusnimi
def tervehdys(nimi="vieras"):
    print("Hei " + nimi + "!")

tervehdys()
  

# Kaksinkertaistava funktio
def tuplaus(luku):
    return luku * 2

print(tuplaus(7))
  

# Funktio, joka tervehtii innokkaasti tai vähemmän innokkaasti
def tervehdys(nimi, innostunut):
    if innostunut:
        return "Hei " + nimi + "! On ilo nähdä sinut täällä!"
    else:
        return "Hei " + nimi + ". Kiva että tulit."

print(tervehdys("Laura", True))
  

# Hahmotellaan ensimmäinen kirjain nimestä
nimi = "Satu"
alkukirjain = nimi[0]
print(alkukirjain)
  

# Listan pituus
lista = [2, 3, 6]
print(len(lista))
  

# Listan ensimmäinen elementti
lista = [3, "merkkejä", True]
print("Listan ensimmäinen asia on", lista[0])
  

# Monikon ensimmäinen asia
monikko = (3, "dataa", False)
print("Monikon ensimmäinen asia on", monikko[0])
  

# Sanakirjan arvojen tarkastelua
sanakirja = {"avain": "arvo"}
print(sanakirja["avain"])
  

# Sanakirjan tekstin tarkistaminen
sanakirja = {"asia": "Tässä on tekstiä."}
print(sanakirja["asia"])
  

# Käyttäjän antama syöte
palaute = input()
print("Kirjoitit juuri:", palaute)
  

# Kielen valinta sanakirjasta
sanakirja = {"hei": "hello"}

kielivalinta = input("valitse suomi tai englanti: ")

if kielivalinta == "englanti":
    print(sanakirja["hei"])
else:
    print("hei")
  

# Keskustelijafunktio
def keskustelija():
    sanottu_asia = input("hei")
    if sanottu_asia == "hei":
        print("🤖 Tervehdys!")
    else:
        print("🤖 Non intellego te. 🙌")

keskustelija()
  

Millaisia tapoja on suorittaa Python-koodia?

Yksi tärkeimmistä työkaluista jokaiselle Python-ohjelmoijalle on interaktiivinen Python-tulkki.

Tulkin käynnistäminen voi riippua alustastasi. Linux- tai Mac-järjestelmässä voit kirjoittaa python3 terminaaliin. Windowsissa komento komentorivillä voi olla python.

Voit myös kokeilla selaimessa toimivaa Python-tulkkiä, kuten https://www.python.org/shell/.

Tulkki on tapa suorittaa Python-koodia rivi riviltä heti, kun kirjoitat sen. Kun kirjoitat rivin koodia ja painat Enter voit suorittaa rivin. Uusimmassa Python 3.13 -versiossa voi käyttää lohkoja kopioidessa/liittäessä koodia ja suorittaa useita rivejä koodeja kerrallaan.

Pythonin kieli toimii samalla tavoin kun Python-ohjelman asentaa tietokoneelle. Mikä tahansa Python-koodi, joka voidaan kirjoittaa tulkkiin, voidaan myös kirjoittaa tiedostoon. Tiedostoihin ja tallentamiseen pääsemme seuraavilla viikoilla. Seuraavalla viikolla on hieman esimakua tulevasta Jupyter-ympäristöstä.

Tässä esimerkissä ohjelma kysyy käyttäjän nimen ja iän, ja antaa tietoa vastauksien perusteella. Kopioi lohkot 1-3:een yksi kerrallaan interaktiiviseen komentotulkkiin ja suorita ohjelma. Voit myös kirjoittaa kaikki komentotulkkiin kerralla yhteen, jos haluat.

osa 1

# Tämä ohjelma sanoo hei ja kysyy nimen.

print("Hei, maailma!")

print("Mikä on nimesi?")    # kysytään nimi

minunNimeni = input()
  

osa 2

print("Mukava tavata sinut, " + minunNimeni)
print("Nimesi pituus on:")
print(len(minunNimeni))
print("Kuinka vanha olet?")    # kysytään ikä
minunIkäni = input()

  

osa 3

print("Olet " + str(int(minunIkäni) + 1) + " vuotta vanha vuoden päästä.")
  

Viikko 2 esimakua

Vaikka interaktiivinen komentorivi on hyvä yksittäisten Python-käskyjen suorittamiseen, kokonaisen Python-ohjelman kirjoittamista varten ohjeet kirjoitetaan kurssilla Työkirjaan JupyterLiteen.

JupyterLiten käyttö on samanlaista kuin tekstieditoreiden, kuten Muistion tai VSCoden, mutta siinä on erityisiä ominaisuuksia grafiikan ja kommenttien kirjoittamiseen. Avaa uusi tiedosto JupyterLite:ssa klikkaamalla yläriviltä "+"-painiketta ja valitsemalla Python (Pyodide).

Avautuvassa ikkunassa näkyy vilkkuva kursori, joka odottaa syötettäsi. Tämä eroaa interaktiivisesta komentorivistä, joka suorittaa Python-komennot heti, kun painat ENTER-näppäintä. JupyterLitessä voit kirjoittaa useita komentoja ja suorittaa koko ohjelman kerralla. Tässä on tapa erottaa nämä kaksi:

• Interaktiivisessa komentorivissä on aina `>>>`-kehotus.
• Komentorivillä ajettaessa (tai Jupyterissä) ikkunassa ei ole `>>>`-kehotusta.

Kuinka tullaan taitavammaksi Python-ohjelmoijaksi?

Kuten moni fiksu aikaisemmista Pythonin opettajista journalisteille on sanonut, paremmaksi tullaan harjoittelemalla. Tee projekteja, ja toista niitä. Tässä on esimerkiksi yksi neuvo, jota käytetään Yhdysvalloissa New Yorkin täydennyskoulutuksessa, jonne ihmisiä lähtee Suomesta oppimaan datajournalismia: Aloita projekti. Harjoittele, kokeile ja tee virheitä. Tee yksi asia kerrallaan. (Jonathan Soma). Voit edellisessä linkissä myös kokeilla yhtä haastavampaa harjoitusta Projektina, Moon Measurer (harjoitus on vapaaehtoinen, tästä et saa tehtäväpisteitä).

Tietorakenteet lyhyesti

Listat

Lista on tietorakenne, joka voi tallentaa kokoelman kohteita. Se on yksi sisäänrakennetuista tietotyypeistä ja sitä käytetään yleisesti järjestetyn alkiojoukon tallentamiseen. Listat voivat sisältää eri tietotyyppisiä alkioita, kuten numeroita, merkkijonoja ja jopa muita listoja.

Listojen keskeiset ominaisuudet

👉 Listat säilyttävät alkioiden järjestyksen niiden lisäämisen mukaan, jolloin voit käyttää alkioita niiden indeksin mukaan.

👉 Voit muokata listan sisältöä lisäämällä tai poistamalla alkioita.

👉 Listat voivat kasvaa tai kutistua tarpeen mukaan. Voit lisätä tai poistaa alkioita määrittelemättä kokoa etukäteen.

Listojen luominen

mixed_list = [1, "hello", 3.14, True]

Listan elementtien valinta

print(numbers[0])   # 1
print(fruits[2])    # banana
print(mixed_list[1])  # hello

Tuple

Tuple on järjestetty, muuttumaton kokoelma elementtejä. Tämä tarkoittaa, että kun olet luonut tuplen, et voi muokata sen sisältöä - et voi lisätä, poistaa tai muuttaa elementtejä tuplessa sen luomisen jälkeen. Tuplet määritellään sulkeilla () ympäröidyllä pilkkuerotellulla arvojoukolla.

Perussyntaksi

my_tuple = (1, 2, 3, 'hello', 3.14)
print(my_tuple[0])  # Tulostus: 1
print(my_tuple[3])  # Tulostus: 'hello'

Virhe tietojoukon tuple lisäyksissä → tuplen ominaisuus

my_tuple = (1, 2, 3, 'hello', 3.14)

Tämä aiheuttaa virheen, koska tuplet ovat muuttumattomia

my_tuple[0] = 5

Luodaan uusi tuple muutetulla sisällöllä

new_tuple = my_tuple + (5, 'world')
print(new_tuple)  # Tulostus: (1, 2, 3, 'hello', 3.14, 5, 'world')

Sanakirja

Sanakirja on sisäänrakennettu tietotyyppi, joka edustaa avain-arvoparien kokoelmaa. Se on erittäin joustava ja tehokas tietorakenne, jota käytetään avaamien määrittelemiseksi arvoille.

Sanakirjojen keskeiset ominaisuudet

👉 Jokainen alkio sanakirjassa koostuu avaimeista ja sen vastaavasta arvosta. Avain on ainutkertainen tunniste arvolle.

👉 Toisin kuin listat, sanakirjat ovat järjestämättömiä kokoelmia, mikä tarkoittaa, että alkioiden järjestystä ei taata.

👉 Sanakirjoja voidaan muokata luomisen jälkeen. Voit lisätä, poistaa tai päivittää avain-arvopareja.

👉 Sanakirjat voivat kasvaa tai kutistua tarpeen mukaan.

👉 Jokaisen sanakirjan avaimen on oltava ainutkertainen. Jos yrität lisätä avaimen, joka jo on olemassa, uusi arvo ylikirjoittaa olemassa olevan.

Tyhjä sanakirja

empty_dict = {}

Sanakirja avain-arvopareilla

student_info = {'name': 'Alice', 'age': 20, 'grade': 'A'}

dict() Konstruktorin käyttäminen

person = dict(name='Bob', age=25, city='London')

Sanakirja eri tietotyypeillä

mixed_dict = {'name': 'Charlie', 'age': 30, 'grades': [85, 90, 78], 'is_student': True}

Sisäkkäinen sanakirja

nested_dict = {'person': {'name': 'Antoan', 'age': 22}, 'location': {'city': 'Paris', 'country': 'France'}}

Lista tuplista

tuple_list = [('name', 'Mikael'), ('age', 20), ('city', 'Berlin')]
from_tuples_dict = dict(tuple_list)

Joukot

Joukko on järjestämätön kokoelma ainutlaatuisia elementtejä. Joukot määritellään sulkemalla pilkulla erotettu arvojono aaltosulkeiden sisään. Toisin kuin listat tai tuplet, joukot eivät salli päällekkäisiä elementtejä, eikä elementtien järjestystä taata.

Esimerkki joukosta ("set"-niminen tietorakenne englanniksi)

my_set = {1, 2, 3, 4, 5}

Voimme myös luoda joukon listasta käyttämällä set()-rakentajaa

my_list = [1, 2, 2, 3, 4, 4, 5]
converted_set = set(my_list)
print(converted_set)  # Output: {1, 2, 3, 4, 5}

Funktiot kertaus

Funktio on uudelleenkäytettävä koodilohko, joka suorittaa tietyn tehtävän tai joukon tehtäviä. Voimme määritellä funktion käyttämällä "def"-avainsanaa.

Funktion perussyntaksi
def greet():
    print("Hello From Function")
    
#Funktion kutsuminen
   
greet()

greet()
greet()

#Toinen yksinkertainen esimerkki
def printNumber():
  result = 2 + 4
  print(result)

printNumber()

Moduulit

Moduuli on tiedosto, joka sisältää Python-koodia. Tämä koodi voi määritellä funktioita, luokkia ja muuttujia. Moduulit auttavat järjestämään liittyvän koodin tiedostoiksi, joita voidaan helposti käyttää uudelleen ja tuoda muihin Python-skripteihin.

Pythonin standardikirjasto on kokoelma moduuleja, jotka tarjoavat käyttövalmiita toimintoja tehtäviin kuten tiedostojen syöttö ja tulostus, verkottuminen ja paljon muuta.

Koko Moduuli

import module_name

Tuo aliaksena

import module_name as alias_name

Tietty kohde

from module_name import item_name

Tuo tietty kohde moduulista ja anna sille alias

from module_name import item_name as alias_name

Kaikki kohteet

from module_name import *

Esimerkki osoitteessa tuotuja_standardikirjastoja_pythoniin

Uudelleen käytettävää koodia

• Moduuli (module): Koodia tiedostossa
• Paketti (package): Kokoelma moduuleja
• Kirjasto (library): Kokoelma paketteja Apua data-analyysiin: pandas

Pandas

“pandas is a fast, powerful, flexible and easy to use open source data analysis and manipulation tool, built on top of the Python programming language.”

Asennus: pip install pandas

Kehitysympäristön kysymyksiä

• Missä koodi on? (oma tietokone vs. pilvipalvelu)
• Mihin kirjastot asennetaan?
• Kielen ja kirjastojen eri versioiden yhteensopivuus
• Skriptejä (komentosarjoja) vai muistikirjoja?

Csv-tiedoston lukeminen kirjaston avulla: pd.read_csv

import pandas as pd

df = pd.read_csv("data/aineisto_ote.csv")

df

type(df)

pandas.core.frame.DataFrame


type(df["vaalipiiri"])

pandas.core.series.Series

Uudet käsitteet

• DataFrame: “2-dimensional labeled data structure with columns of potentially different types”
• Series: “One-dimensional labeled array capable of holding any data type (integers, strings, floating point numbers, Python objects, etc.)”
• Taulukoita ja sarakkeita!
• Funktioita ja ominaisuuksia, jotka listattu kirjaston dokumentaatiossa
• Esimerkkejä dokumentaatiosta pandas.read_csv pandas.read_excel

Välissä toimivia vinkkejä siihen, miten tutkit muuttujaa kooditulkissa

Jos tarvitset jonkin metodin ja melkein muistat sen nimen, voi joskus olla nopeampaa ohittaa Google ja käyttää dir-funktiota tulkissa. Se kertoo, mitkä menetelmät ovat käytettävissä annetussa objektissa:

>>> dir("tämä on merkkijono")
['__add__', '__class__', '__contains__', '__delattr__', '__dir__',
'__doc__', '__eq__',
'__format__', '__ge__', '__getattribute__', '__getitem__',
'__getnewargs__', '__gt__',
'__hash__', '__init__', '__init_subclass__', '__iter__', '__le__',
'__len__', '__lt__',
'__mod__', '__mul__', '__ne__', '__new__', '__reduce__',
'__reduce_ex__', '__repr__',
'__rmod__', '__rmul__', '__setattr__', '__sizeof__', '__str__',
'__subclasshook__',
'capitalize', 'casefold', 'center', 'count', 'encode', 'endswith',
'expandtabs', 'find',
'format', 'format_map', 'index', 'isalnum', 'isalpha', 'isascii',
'isdecimal', 'isdigit',
'isidentifier', 'islower', 'isnumeric', 'isprintable', 'isspace',
'istitle', 'isupper', 'join',
'ljust', 'lower', 'lstrip', 'maketrans', 'partition', 'replace',
'rfind', 'rindex', 'rjust','rpartition', 'rsplit', 'rstrip', 'split',
'splitlines', 'startswith', 'strip', 'swapcase',
'title', 'translate', 'upper', 'zfill']

Python-merkkijonoilla on paljon käytettävissä olevia metodeja, kuten näette yllä. Tässä vaiheessa voi olla parasta jättää huomiotta kaikki metodit, joiden nimissä on alaviivoja, mutta loput voivat osoittautua hyödyllisiksi. Joidenkin toimintaperiaatteen voit selvittää kokeilemalla niitä, ja loput voit etsiä verkosta.

Python-listoilla ei ole aivan niin paljon metodeja:

>>> dir([])
['__add__', '__class__', '__contains__', '__delattr__', '__delitem__',
'__dir__', '__doc__',
'__eq__', '__format__', '__ge__', '__getattribute__', '__getitem__',
'__gt__', '__hash__',
'__iadd__', '__imul__', '__init__', '__init_subclass__', '__iter__',
'__le__', '__len__',
'__lt__', '__mul__', '__ne__', '__new__', '__reduce__',
'__reduce_ex__', '__repr__',
'__reversed__', '__rmul__', '__setattr__', '__setitem__',
'__sizeof__', '__str__',
'__subclasshook__', 'append', 'clear', 'copy', 'count', 'extend',
'index', 'insert', 'pop',
'remove', 'reverse', 'sort']
>>>

Kokeillaan muutamia niistä:

>>> numbers = [1,2,3,4,5]
>>> numbers.reverse()
>>> numbers
[5, 4, 3, 2, 1]
>>> numbers.clear()
>>> numbers
[]

takaisin Pythonin yleiskäyttöön → pandas ja Python

Joskus helpoin vastaus löytyy hakemalla, esim. “pandas read csv” Googlessa.

Moduulien lataamisen esimerkki - csv sanakirjojen listana

# tuo moduuli
import csv

# Tiedoston lataaminen **with** sanalla. Tiedostot tietokoneelta Pythoniin.
with open('data/aineisto_ote.csv') as file:
    reader = csv.DictReader(file) # Tiedoston laittaminen reader-lukijaan ( biteistä sanoiksi ja kirjaimiksi)
    sanakirjojen_lista = list(reader) # Listan avaaminen muuttujaan

Taulukon luominen arvoista

import pandas as pd

df = pd.DataFrame(
  {
    "sarake1": [1, 2, 3, 4, 5],
    "sarake2": [1, 2, 3, 4, 5],
    "sarake3": [1, 2, 3, 4, 5]
  }
)

df

sarake1 sarake2 sarake3
0 1 1 1
1 2 2 2
2 3 3 3
3 4 4 4
4 5 5 5

Csv-tiedoston lukeminen kirjaston avulla: pd.read_csv

import pandas as pd

df = pd.read_csv("data/aineisto_ote.csv")

df

Tavoitteita tämän luennon jälkeen

• Osaat käyttää Visual Studio Code tai JupyterLite -editoreita Tähän asti kaikki kurssin harjoitukset on suoritettu suoraan kurssisivujen upotetuissa editori-ikkunoissa. Päätteellä ohjelmointi sopii hyvin ohjelmoinnin aivan ensimmäisiin askeliin, mutta nyt on aika alkaa käyttää erillistä, erityisesti ohjelmointiin tarkoitettua editoria.
• Osaat avata Github-repositoryn (kuten viikkotehtävässä) Chat-sovelluksessa chat-github.nuxt.dev

Datan tutkiminen I

Esimerkki: Kuluttajahintaindeksin kuukausiote

Csv-tiedoston lukeminen: read_csv

  
  
import pandas as pd  
df = pd.read_csv("data/kuluttajahintaindeksi_kk_ote_3lk.csv")  
df  
  
                        

Tietotyypit: DataFrame, Series

  
  
type(df)  
  
                        

Alku ja loppu: head, tail

  
  
df.head(3)  
  
                        

Tietotyypit: DataFrame, Series

  
  
type(df)  
  
                        

pandas.core.frame.DataFrame

Alku ja loppu: head, tail

  
  
df.head(3)  
  
                        

Pääpiirteet: info

  
  
df.info()  
  
                        

Tilastoja: describe

  
  
df.describe()  
  
                        

Sarakkeen valinta

  
  
df["Hyödyke"]  
  
                        

0                         01.1.1 Viljatuotteet ja leipä  
1                                           01.1.2 Liha  
2                              01.1.3 Kala ja äyriäiset  
3            01.1.4 Maitotuotteet, juusto ja kananmunat  
4                                01.1.5 Öljyt ja rasvat  
...                        ...  
93               12.5.2 Asumiseen liittyvät vakuutukset  
94              12.5.3 Terveyteen liittyvät vakuutukset  
95           12.5.4 Liikenteeseen liittyvät vakuutukset  
96    12.6.2 Muut rahoituspalvelut, muualle luokittelemattomat  
97     12.7.0 Muut palvelut, muualle luokittelemattomat  
Name: Hyödyke, Length: 98, dtype: object

Järjestäminen: sort_values

  
  
df.sort_values("Indeksipisteluku")  
  
                        

Aineiston rajaaminen

Voimme vertailla sarakkeen sisältöä:

  
  
df[df["Indeksipisteluku"] > 100]  
  
                        

Toiminnot vaiheittain

  
  
df_yli_100 = df[df["Indeksipisteluku"] > 100]  
df_yli_100.sort_values("Indeksipisteluku", ascending=False)  
  
                        

Funktioiden ketjutus

  
  
df[df["Indeksipisteluku"] > 100].sort_values("Indeksipisteluku", ascending=False)  
  
                        

  
import pandas as pd  
df = pd.read_csv("data/kuluttajahintaindeksi_muunnettu.csv", parse_dates=["Aika"])  
df

df.info()

<class 'pandas.core.frame.DataFrame'>RangeIndex: 65700 entries, 0 to 65699Data columns (total 3 columns): #   Column            Non-Null Count  Dtype  ---  ------            --------------  -----   0   Aika              65700 non-null  datetime64[ns] 1   Hyödyke           65700 non-null  object  2   Indeksipisteluku  61173 non-null  float64dtypes: datetime64[ns](1), float64(1), object(1)memory usage: 1.5+ MB

df.describe()
                        

import pandas as pd  
df = pd.read_csv("data/lentoasemien_matkustajat_rahti_muunnettu.csv", parse_dates=["Aika"])  
df
                        

df.describe(include='all')
                        
  
                            
  
                                
  
                                    
  
                                        
  
                                            
  
                                            
Aika
  
                                            
Hyödyke
  
                                            
Indeksipisteluku
  
                                        
  
                                    
  
                                    
  
                                        
  
                                            
count
  
                                            
65700
  
                                            
65700
  
                                            
61173
  
                                        
  
                                        
  
                                            
unique
  
                                            
65700
  
                                            
100
  
                                            
NaN
  
                                        
  
                                        
  
                                            
top
  
                                            
2019-01-01
  
                                            
Hyödyke A
  
                                            
NaN
  
                                        
  
                                        
  
                                            
freq
  
                                            
1200
  
                                            
5000
  
                                            
NaN
  
                                        
  
                                        
  
                                            
mean
  
                                            
NaN
  
                                            
NaN
  
                                            
101.686
  
                                        
  
                                        
  
                                            
std
  
                                            
NaN
  
                                            
NaN
  
                                            
11.260
  
                                        
  
                                        
  
                                            
min
  
                                            
NaN
  
                                            
NaN
  
                                            
35.520
  
                                        
  
                                        
  
                                            
25%
  
                                            
NaN
  
                                            
NaN
  
                                            
97.840
  
                                        
  
                                        
  
                                            
50%
  
                                            
NaN
  
                                            
NaN
  
                                            
100.580
  
                                        
  
                                        
  
                                            
75%
  
                                            
NaN
  
                                            
NaN
  
                                            
105.210
  
                                        
  
                                        
  
                                            
max
  
                                            
NaN
  
                                            
NaN
  
                                            
251.290
  
                                        
  
                                    
  
                                
  
                            
  
                        
  
                    

pip install matplotlib
        

import matplotlib.pyplot as plt  # matplotlib pitää tuoda, eli jatkossa pitäisi import:ta sekä pandas että matplotlib

df.groupby('continent').population.sum().plot(kind='barh')

df.plot(x="life_expectancy", y="per_capita_gdp", kind="scatter">

asema = df["Ilmoittava lentoasema"] == "Savonlinna"  
saap_laht = df["Saapuneet/lähteneet"] == "Saapuneet/lähteneet yhteensä"  
(df[asema & saap_laht]  
    .loc[:, ["Aika", "Lennon tyyppi", "Yhteensä Matkustajamäärä"]]  
    .pivot(index='Aika', columns="Lennon tyyppi",   
           values="Yhteensä Matkustajamäärä")  
    .drop(columns="Yhteensä")  
    .plot(kind="line"))

aika = df["Aika"] == "2022-06-01"
lentotyyppi = df["Lennon tyyppi"] == "Yhteensä"
saap_laht = df["Saapuneet/lähteneet"] == "Saapuneet/lähteneet yhteensä"
asema = -df["Ilmoittava lentoasema"].isin(["Yhteensä", "Helsinki-Vantaa"])

(df[aika & lentotyyppi & saap_laht & asema]
    .loc[:, [
        "Ilmoittava lentoasema", 
        "Helsinki-Vantaa Matkustajamäärä",
        "Muut kotimaan lentoasemat Matkustajamäärä",
        "Kansainvälinen Matkustajamäärä"]]
    .plot("Ilmoittava lentoasema", kind="bar", stacked=True))

pip install openpyxl

import pandas as pd  
df_bf = pd.read_excel("data/business_finland_maksetut_uudelleennimetty.xlsx")  
df_bf

df_bf.info()

<class 'pandas.core.frame.DataFrame'>RangeIndex: 57125 entries, 0 to 57124Data columns (total 8 columns): #   Column              Non-Null Count  Dtype  ---  ------              --------------  -----   0   Organisaation nimi  57125 non-null  object  1   Y-tunnus            57125 non-null  object  2   Maksuvuosi          57125 non-null  int64   3   Avustus €           57125 non-null  float64 4   Laina €             57125 non-null  float64 5   EAKR-rahoitus €     57125 non-null  float64 6   Tutkimusrahoitus €  57125 non-null  float64 7   Yhteensä €          57125 non-null  float64dtypes: float64(5), int64(1), object(2)memory usage: 3.5+ MB

df_bf["Maksuvuosi"].value_counts()

df_verot = pd.read_csv("data/yhteisoverot_2020_muunnettu.csv")  
df_verot

df_verot.info()

<class 'pandas.core.frame.DataFrame'>RangeIndex: 341736 entries, 0 to 341735Data columns (total 9 columns): #   Column                                              Non-Null Count   Dtype  ---  ------                                              --------------   -----   0   Verovuosi | Skatteår                                341736 non-null  int64   1   Y-tunnus | FO-nummer                                341736 non-null  object  2   Verovelvollisen nimi | Den skattskyldiges namn      341736 non-null  object  3   Verotuskunta | Beskattningskommun                   341736 non-null  object  4   Verotettava tulo | Beskattningsbar inkomst          341736 non-null  float64 5   Maksuunpannut verot yhteensä | Debiterade skatter   341736 non-null  float64 6   Ennakot yhteensä | Förskott sammanlagt              341736 non-null  float64 7   Veronpalautus | Skatteåterbäring                    341736 non-null  float64 8   Jäännösvero | Kvarskatt                             341736 non-null  float64dtypes: float64(5), int64(1), object(3)memory usage: 23.5+ MB

df_verot = df_verot[df_verot["Verovuosi | Skatteår"] == 2020]  
df_bf = df_bf[df_bf["Maksuvuosi"] == 2020]

df_verot = df_verot.rename(columns={"Y-tunnus | FO-nummer": "Y-tunnus"})

df = pd.merge(df_verot, df_bf, on="Y-tunnus")  
df

pip install altair_viewer

import altair as alt
alt.renderers.enable('altair_viewer')
      

import pandas as pd
import altair as alt

df = pd.read_csv("data/kuluttajahintaindeksi_kk_ote_3lk.csv")
alt.Chart(df.nlargest(10, 'Indeksipisteluku')).mark_bar().encode(
  y=alt.Y('Hyödyke', sort="-x"),
  x='Indeksipisteluku'
)

import pandas as pd
import altair as alt

df = pd.read_csv("data/kuluttajahintaindeksi_muunnettu.csv", parse_dates=["Aika"])

alt.Chart(df[df["Hyödyke"] == "01.1 Elintarvikkeet"]).mark_line().encode(
  x='Aika',
  y='Indeksipisteluku'
)

      

  import pandas as pd
import altair as alt

df = pd.read_csv("data/kuluttajahintaindeksi_muunnettu.csv", parse_dates=["Aika"])

alt.Chart(df[df["Hyödyke"].str.startswith("01.1.1.4.")]).mark_line().encode(
  x='Aika',
  y='Indeksipisteluku',
  color='Hyödyke'
)
    

pip install Flask

from flask import Flask

app = Flask(__name__)

@app.route("/")
def index():
    return "<p>Hello, World!</p>"

if __name__ == '__main__':
    app.run(debug=True, use_reloader=True)

{& for asia in asiat & }
  {{ asia }}
{& endfor & }

from flask import Flask
from flask import render_template

app = Flask(__name__)

@app.route("/")
def index():
    template = 'index.html'
    return render_template(template, asiat=[
        "Ensimmäinen asia", 
        "Toinen asia", 
        "Kolmas asia"
    ])

if __name__ == '__main__':
    app.run(debug=True, use_reloader=True)

pip install Frozen-Flask

from flask_frozen import Freezer
from app import app

freezer = Freezer(app)

if __name__ == '__main__':
    freezer.freeze()