Databases

# Загрузка датасета с помощью kagglehub
import os
import pandas as pd
import kagglehub

# Загрузка последней версии датасета
path = kagglehub.dataset_download("ersany/online-retail-dataset")
print("Path to dataset files:", path)

# Чтение Excel-файла
df = pd.read_excel(os.path.join(path, "Online Retail.xlsx"))
"""
  InvoiceNo StockCode  ... CustomerID         Country
0    536365    85123A  ...    17850.0  United Kingdom
1    536365     71053  ...    17850.0  United Kingdom
2    536365    84406B  ...    17850.0  United Kingdom
3    536365    84029G  ...    17850.0  United Kingdom
4    536365    84029E  ...    17850.0  United Kingdom

[5 rows x 8 columns]

['InvoiceNo', 'StockCode', 'Description', 'Quantity', 'InvoiceDate', 'UnitPrice', 'CustomerID', 'Country']
"""

"""
Изменяем цены
объединить страны в группы по первой букве страны (Australia, Austria; Belgium, Brazil и тд)
В группе с первой буквой "A" поднять цену на максимальную цену товарав группе
В группе с первой буквой "B" цену уменьшить на половину минимальной
В остальных группах цены увеличить на 10% от текущей цены объекта
"""
# Полная настройка отображения DataFrame
pd.set_option('display.max_columns', None)  # Все колонки
pd.set_option('display.expand_frame_repr', False)  # Не переносить на новую строку
pd.set_option('display.width', 1000)  # Ширина вывода
pd.set_option('display.max_colwidth', 20)  # Максимальная ширина колонки

#объединить страны в группы по первой букве страны (Australia, Austria; Belgium, Brazil и тд)
print("RAW")
print(df.columns.tolist())  # Вывод списка колонок
print(df.head())


def change_price(group):
    """Функция для изменения цен в соответствии с условиями"""
    first_letter = group.name  # Здесь group.name - это первая буква (A, B и т.д.)

    if first_letter == 'A':
        # Для группы A: цена = максимальная цена в группе
        max_price = group['UnitPrice'].max()
        group['UnitPrice'] = max_price
    elif first_letter == 'B':
        # Для группы B: цена = текущая цена - половина минимальной цены группы
        min_price = group['UnitPrice'].min()
        group['UnitPrice'] = group['UnitPrice'] - (min_price / 2)
    else:
        # Для остальных групп: увеличиваем цену на 10%
        group['UnitPrice'] = group['UnitPrice'] * 1.10

    return group


def task1(df):
    """Основная функция для обработки данных"""
    # Добавляем столбец с первой буквой страны
    df['FirstLetter'] = df['Country'].str[0]

    # Группируем по первой букве и применяем модификацию цен
    df = df.groupby('FirstLetter', group_keys=False).apply(change_price)

    return df