mirror of
https://github.com/freeCodeCamp/freeCodeCamp.git
synced 2026-04-05 16:00:38 -04:00
chore(i18n,learn): processed translations (#51481)
This commit is contained in:
camperbot
@@ -17,7 +17,7 @@ dashedName: mean-variance-standard-deviation-calculator
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 годин)
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a> (14 годин)
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/how-to-analyze-data-with-python-pandas/" target="_blank" rel="noopener noreferrer nofollow">How to Analyze Data with Python Pandas</a> (10 годин)
|
||||
|
||||
|
||||
@@ -17,7 +17,7 @@ dashedName: medical-data-visualizer
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 годин)
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a> (14 годин)
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/how-to-analyze-data-with-python-pandas/" target="_blank" rel="noopener noreferrer nofollow">How to Analyze Data with Python Pandas</a> (10 годин)
|
||||
|
||||
@@ -33,17 +33,17 @@ dashedName: medical-data-visualizer
|
||||
|
||||
| Особливість | Тип змінної | Змінна | Тип значення |
|
||||
|:-----------------------------------------------------:|:-----------------------:|:-------------:|:-------------------------------------------------:|
|
||||
| Вік | Об'єктивна особливість | `age` | ціле (дні) |
|
||||
| Зріст | Об'єктивна особливість | `height` | ціле (см) |
|
||||
| Вага | Об'єктивна особливість | `weight` | плаваюче (кг) |
|
||||
| Стать | Об'єктивна особливість | `gender` | категоричний код |
|
||||
| Систолічний кров'яний тиск | Особливість обстеження | `ap_hi` | ціле |
|
||||
| Діастолічний кров'яний тиск | Особливість обстеження | `ap_lo` | ціле |
|
||||
| Вік | Об’єктивна особливість | `age` | ціле число (дні) |
|
||||
| Зріст | Об’єктивна особливість | `height` | ціле число (см) |
|
||||
| Вага | Об’єктивна особливість | `weight` | плаваюче число (кг) |
|
||||
| Стать | Об’єктивна особливість | `gender` | категоричний код |
|
||||
| Систолічний кров’яний тиск | Особливість обстеження | `ap_hi` | ціле число |
|
||||
| Діастолічний кров’яний тиск | Особливість обстеження | `ap_lo` | ціле число |
|
||||
| Холестерин | Особливість обстеження | `cholesterol` | 1: нормально, 2: вище норми, 3: значно вище норми |
|
||||
| Глюкоза | Особливість обстеження | `gluc` | 1: нормально, 2: вище норми, 3: значно вище норми |
|
||||
| Куріння | Суб'єктивна особливість | `smoke` | двійкове |
|
||||
| Вживання алкоголю | Суб'єктивна особливість | `alco` | двійкове |
|
||||
| Фізична активність | Суб'єктивна особливість | `active` | двійкове |
|
||||
| Куріння | Суб’єктивна особливість | `smoke` | двійкове |
|
||||
| Вживання алкоголю | Суб’єктивна особливість | `alco` | двійкове |
|
||||
| Фізична активність | Суб’єктивна особливість | `active` | двійкове |
|
||||
| Наявність чи відсутність серцево-судинних захворювань | Цільова змінна | `cardio` | двійкове |
|
||||
|
||||
## Завдання
|
||||
|
||||
@@ -17,7 +17,7 @@ dashedName: page-view-time-series-visualizer
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 годин)
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a> (14 годин)
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/how-to-analyze-data-with-python-pandas/" target="_blank" rel="noopener noreferrer nofollow">How to Analyze Data with Python Pandas</a> (10 годин)
|
||||
|
||||
@@ -31,7 +31,7 @@ dashedName: page-view-time-series-visualizer
|
||||
- Очистить дані, відфільтрувавши дні, коли перегляди сторінок належали до верхніх 2,5% набору даних або нижніх 2,5% набору даних.
|
||||
- Створіть функцію `draw_line_plot`, яка використовує Matplotlib для створення лінійної діаграми, подібної до «examples/Figure_1.png». Заголовком повинен бути `Daily freeCodeCamp Forum Page Views 5/2016-12/2019`. Міткою на осі X повинна бути `Date`, а міткою на осі Y повинна бути `Page Views`.
|
||||
- Створіть функцію `draw_bar_plot`, яка малює стовпчикову діаграму, подібну до «examples/Figure_2.png». Вона повинна відображати середню кількість щоденних переглядів для кожного місяця, згрупованих за роками. Легенда повинна відображати мітки місяців та мати назву `Months`. На діаграмі міткою на осі X повинна бути `Years`, а міткою на осі Y повинна бути `Average Page Views`.
|
||||
- Створіть функцію `draw_box_plot`, яка використовує Seaborn, щоб намалювати два суміжні коробкові графіки, подібні до «examples/Figure_3.png». Ці коробкові графіки повинні показувати, як значення розподіляються протягом певного року чи місяця та як вони порівнюються з часом. Заголовком першої діаграми повинен бути `Year-wise Box Plot (Trend)`, а заголовком другої діаграми повинен бути `Month-wise Box Plot (Seasonality)`. Переконайтеся, що мітки місяця внизу починаються з `Jan`, а вісь x та y позначені правильно. Шаблонний код містить команди для підготовки даних.
|
||||
- Створіть функцію `draw_box_plot`, яка використовує Seaborn, щоб намалювати два суміжні коробкові графіки, подібні до «examples/Figure_3.png». Ці коробкові графіки повинні показувати, як значення розподіляються протягом певного року чи місяця та як вони порівнюються з часом. Заголовком першої діаграми повинен бути `Year-wise Box Plot (Trend)`, а заголовком другої діаграми повинен бути `Month-wise Box Plot (Seasonality)`. Переконайтеся, що мітки місяця внизу починаються з `Jan`, а осі X та Y позначені правильно. Шаблонний код містить команди для підготовки даних.
|
||||
|
||||
Для кожної діаграми обов’язково використайте копію кадру даних. Для вас складені модульні тести у `test_module.py`.
|
||||
|
||||
|
||||
@@ -17,7 +17,7 @@ dashedName: sea-level-predictor
|
||||
|
||||
Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a>(14 годин)
|
||||
- <a href="https://www.freecodecamp.org/news/python-for-everybody/" target="_blank" rel="noopener noreferrer nofollow">Python for Everybody Video Course</a> (14 годин)
|
||||
|
||||
- <a href="https://www.freecodecamp.org/news/how-to-analyze-data-with-python-pandas/" target="_blank" rel="noopener noreferrer nofollow">How to Analyze Data with Python Pandas</a> (10 годин)
|
||||
|
||||
@@ -28,10 +28,10 @@ dashedName: sea-level-predictor
|
||||
Використайте дані для виконання наступних завдань:
|
||||
|
||||
- Використайте Pandas для імпорту даних з `epa-sea-level.csv`.
|
||||
- Використайте matplotlib, щоб створити діаграму розсіювання, використовуючи стовпчик `Year` як вісь x та стовпчик `CSIRO Adjusted Sea Level` як вісь y.
|
||||
- Використайте matplotlib, щоб створити діаграму розсіювання, використовуючи стовпчик `Year` як вісь X та стовпчик `CSIRO Adjusted Sea Level` як вісь Y.
|
||||
- Використайте функцію `linregress` із `scipy.stats`, щоб отримати нахил та Y-перехоплення лінії, яка найкраще підходить. Нанесіть лінію, яка найкраще підходить, поверх діаграми розсіювання. Проведіть лінію через 2050 рік, щоб передбачити підвищення рівня моря в 2050 році.
|
||||
- Побудуйте нову лінію, яка найкраще підходить, просто використовуючи дані з 2000 року до найновішого року в наборі даних. Зробіть так, щоб лінія також проходила через 2050 рік, щоб передбачити підвищення рівня моря в 2050 році, якщо темпи підвищення триватимуть, як це було з 2000 року.
|
||||
- Міткою x повинна бути `Year`, міткою y повинна бути `Sea Level (inches)`, а назва повинна бути `Rise in Sea Level`.
|
||||
- Міткою X повинна бути `Year`, міткою Y повинна бути `Sea Level (inches)`, а назвою повинна бути `Rise in Sea Level`.
|
||||
|
||||
Для вас складені модульні тести у `test_module.py`.
|
||||
|
||||
|
||||
Reference in New Issue
Block a user