Imported to Github

main.py

@@ -0,0 +1,78 @@
+def main():
+    from src.init import inicio as init
+    lista = [8,4,5,1,3,7,5,3,3,4,9,7,3,2,2] # init()
+    x = 0
+    while x != 11:
+        x = int(input("\nQual operação desejas fazer:\n1= Mediana\n2= Media\n3= Moda\n4= Amplitude\n5= Quartil\n6= Variância\n7= Desvio Padrão\n8= Coeficiente de Variação\n9= Histograma\n10= Box Plot\n"))
+        if x == 1:
+            import os
+            os.system("cls || clear")
+            from src.matematicas import mediana
+            print(mediana(lista))
+
+        elif x == 2:
+            import os
+            os.system("cls || clear")
+            from src.matematicas import media
+            print(media(lista))
+
+        elif x == 3:
+            import os
+            os.system("cls || clear")
+            from src.matematicas import moda
+            print(moda(lista))
+
+        elif x == 4:
+            import os
+            os.system("cls || clear")
+            from src.matematicas import amplitude
+            print(amplitude(lista))
+
+        elif x == 5:
+            import os
+            from src.matematicas import quartil
+            x = quartil(lista)
+            os.system("cls || clear")
+            print("\nMediana da lista da esquerda (Q1)",x[0])
+
+            if len(x) == 3:
+                print("Mediana geral (Q2)",x[1])
+
+            print("Mediana da lista da direita (Q3)",x[2],"\n")
+
+        elif x == 6:
+            import os
+            from src.matematicas import varianciaamostral, varianciapop
+            os.system("cls || clear")
+            amostral = varianciaamostral(lista)
+            pop = varianciapop(lista)
+            print("Variância Populacional =",pop,"\nVariância Amostral =",amostral)
+
+        elif x == 7:
+            import os
+            from src.matematicas import desvio_padraopop, desvio_padraoamostral
+            os.system("cls || clear")
+            amostral = desvio_padraoamostral(lista)
+            pop = desvio_padraopop(lista)
+            print("Desvio Padrão Populacional =",pop,"\nDesvio Padrão Amostral =",amostral)
+
+        elif x == 8:
+            import os
+            from src.matematicas import coeficientevariacaoamostral, coeficientevariacaopop
+            os.system("cls || clear")
+            pop = coeficientevariacaopop(lista)
+            amostral = coeficientevariacaoamostral(lista)
+            print("Coeficiente de Variação Populacional =",pop,"\nCoeficiente de Variação Amostral =",amostral)
+        
+        elif x == 9:
+            import os
+            os.system("cls || clear")
+            from src.matematicas import histograma
+            histograma(lista)
+        elif x == 10:
+            import os
+            os.system("cls || clear")
+            from src.matematicas import boxplot
+            boxplot(lista)
+
+main()

requirements.txt

@@ -0,0 +1,4 @@
+statistics
+scipy
+matplotlib
+numpy

src/init.py

@@ -0,0 +1,15 @@
+def inicio():
+    import os
+    os.system("cls || clear")
+    lista = []
+    input("Avaliação Continuada 1 – Análise exploratória dos dados.\n\nCertifique-se que tenha as bibliotecas necessárias instaladas\nAs bibliotecas podem ser instaladas usando 'pip install -r requirements.txt'\n\nPressione ENTER para prosseguir")
+    os.system("cls || clear")
+    elementos = int(input("Insira a quantidade de elementos da lista: "))
+    os.system("cls || clear")
+    print("Insira os números a serem analisados: ")
+    for i in range(elementos):
+        x = int(input())
+        lista.append(x)
+    os.system("cls || clear")
+    print(lista)
+    return lista

src/matematicas.py

@@ -0,0 +1,117 @@
+def mediana(lista):
+    #import statistics
+    #return statistics.median(lista)
+    lista.sort()
+    elementos = len(lista)
+    if not elementos % 2 == 0:
+        x = elementos // 2
+        return lista[x]
+    elif elementos % 2 == 0:
+        x = elementos // 2
+        conta = (lista[x-1] + lista [x]) / 2
+        return conta
+
+def media(lista):
+    #import statistics
+    #return statistics.mean(lista)
+    x = len(lista)
+    y = sum(lista)
+    return y / x
+
+def moda(lista):
+    #import statistics
+    #return statistics.multimode(lista)
+    from collections import Counter
+    from itertools import groupby
+    from operator import itemgetter
+    counts = Counter(iter(lista)).most_common()
+    maxcount, mode_items = next(groupby(counts, key=itemgetter(1)), (0, []))
+    return list(map(itemgetter(0), mode_items))
+
+def amplitude(lista):
+    return max(lista) - min(lista)
+
+def quartil(lista):
+    #import statistics
+    #return statistics.quantiles(lista, n=4)
+    lista.sort()
+    if len(lista) % 2 == 0:
+        tamanho = len(lista)
+        metade = tamanho // 2
+        comeco = lista[:metade]
+        fim = lista[metade:]
+
+        print(comeco, fim)
+        resposta = []
+        resposta.append(mediana(comeco))
+        resposta.append(mediana(fim))
+        return resposta
+    elif len(lista) % 2 != 0:
+        tamanho = len(lista)
+        metade = tamanho // 2
+        comeco = lista[:metade]
+        fim = lista[1 + metade:]
+        meio = mediana(lista)
+
+        print(comeco, meio, fim)
+        resposta = []
+        resposta.append(mediana(comeco))
+        resposta.append(meio)
+        resposta.append(mediana(fim))
+        return resposta
+
+def varianciapop(lista):
+    #import statistics
+    #return statistics.pvariance(lista) # [Populacional]
+    listatemp = []
+    medialista = media(lista)
+    for i in range(len(lista)):
+        x = (lista[i] - medialista) ** 2
+        listatemp.append(x)
+
+    populacional = sum(listatemp) / (len(lista))
+    return populacional # [Populacional]
+
+def varianciaamostral(lista):
+    #import statistics
+    #return statistics.variance(lista) # [Amostral]
+    listatemp = []
+    medialista = media(lista)
+    for i in range(len(lista)):
+        x = (lista[i] - medialista) ** 2
+        listatemp.append(x)
+
+    amostral = sum(listatemp) / (len(lista) - 1)
+    return amostral # [AmostraL]
+
+def desvio_padraopop(lista):
+    #import statistics
+    #return statistics.pstdev(lista) # [Populacional]
+    return varianciapop(lista) ** 0.5
+
+def desvio_padraoamostral(lista):
+    #import statistics
+    #return statistics.stdev(lista) # [Amostral]
+    return varianciaamostral(lista) ** 0.5
+
+def coeficientevariacaopop(lista):
+    #from scipy.stats import variation 
+    #return variation(lista) * 100
+    return (desvio_padraopop(lista) / media(lista)) * 100
+
+def coeficientevariacaoamostral(lista):
+    return (desvio_padraoamostral(lista) / media(lista)) * 100
+
+def histograma(lista):
+    from matplotlib import pyplot as plt
+    import numpy as np
+    marks = np.array(lista)
+    fig, axis = plt.subplots(figsize =(10, 5))
+    axis.hist(marks, bins = [0, 2, 4, 6, 8, 10]) # alterar de acordo com os dados
+    return plt.show()
+
+def boxplot(lista):
+    import matplotlib.pyplot as plt
+    import numpy as np
+    plt.boxplot(lista)
+    return plt.show()