3Eva_IT2019_T1 Producción en hacienda

3ra Evaluación I Término 2019-2020, Septiembre 13, 2019

Tema 1. (60 puntos) Producción de brócoli crece 300% desde 2000. eluniverso.com
Asuma que tiene un archivo con la información de los productos agrícolas cosechados por una hacienda durante todos los días del año 2018.

La información se encuentra en el siguiente formato:

codigo1,codigo2,codigo3,...,codigoN
codigo_producto,fecha(dd-MMM-aaaa),cantidad_cosechada

Ejemplo:

100034,100312,100021,...,201245,432198 
codigo_producto,fecha(dd-MMM-aaaa),cantidad_cosechada
100034,02-ENE-2018,5
100021,02-ENE-2018,15
100021,07-ENE-2018,11
432198,20-ENE-2018,12
...

Nota: La primera línea del archivo contiene los códigos de todos los productos agrícolas presentes en el resto del archivo, mientras que la segunda línea es la cabecera del archivo.

Implemente las siguientes funciones:

1.1. crearMatriz(nomArchivo) que recibe el nombre del archivo con la información de las cosechas de un año; y devuelve un vector con todos los códigos de productos y una matriz con los totales (valores enteros) de cosechas para cada producto (filas) durante cada mes del año (columnas). Ejemplo:

[ENE,FEB,MAR,ABR,MAY,JUN,JUL,AGO,SEP,OCT,NOV,DIC]
Cod =[
[100034],
[100312],
[100021],
...
[201245],
[432198]]
M=[
[32, 12, 45,  67, 84, 114,  21, 57, 99, 84, 74, 65],
[43, 15, 67,  21, 77,  95, 110, 78, 93, 63, 56, 32],
[65, 78, 32, 155, 32,  73,  87, 91, 22, 65, 82, 17],
...
[39, 71, 63,  32, 57,  85,  83, 12, 11, 15, 34, 65],
[55, 51, 54,  67, 64,  63,  56, 52, 71, 77, 87, 32]]

1.2. mesMasRentable(M) que recibe la matriz de cosechas M . Esta función retorna el nombre del mes en que más se cosechó y el total de cosecha de ese mes.

1.3. altoBajos(M, k) que recibe la matriz de cosechas M y un entero k. La función retorna el nombre de todos los meses que tienen una cosecha total con al menos k unidades por debajo de la cosecha del mejor mes del año.

1.4. mejorTrimestre(M, Cod, codigo) que recibe la matriz de cosechas M, el vector de códigos Cod y el codigo de un producto. La función debe retornar el nombre del trimestre («T1», «T2», «T3» o «T4») en el que más se cosechó el producto con codigo .

1.5. mejoresNProductos(M, Cod, n) que recibe la matriz de cosechas M, el vector de códigos Cod y un número entero n . La función debe retornar los códigos de los n productos más cosechados durante el año.

1.6. promedioProductos(M, Cod, codigos) que recibe la matriz de cosechas M, el vector de códigos Cod y una lista con códigos de productos. La función retorna el promedio de los totales de cosecha entre los códigos dados en la lista.

7. porCategoria(M, Cod, categorias) que recibe la matriz de cosechas M , el vector de códigos Cod y un diccionario categorias con el siguiente formato:

categorias = {'legumbres':[100034,201245,...],
              'verduras': [100021,200013,...],
               ... }

La función deberá escribir un archivo por cada categoría con el siguiente formato: Archivo_legumbres.txt

codigo,ENE,FEB,MAR,ABR,MAY,JUN,JUL,AGO,SEP,OCT,NOV,DIC
100034,32,12,45,67,84,114,21,57,99,84,74,65
201245,39,71,63,32,57,85,83,12,11,15,34,65
...

El nombre del archivo debe ser el mismo de la categoría dentro del diccionario categorias y terminar con “.txt”.

Rúbrica: numeral 1.1 (8 puntos), numeral 1.2 (5 puntos),numeral 1.3 (8 puntos), numeral 1.4 (9 puntos), numeral 1.5 (6 puntos), numeral 1.6 (9 puntos), numeral 1.7 (15 puntos),

2Eva_IIT2018_T2 Hielo y especies en Ártico-Procesar

2da Evaluación II Término 2018-2019. 2-Febrero-2019 /CCPG001 – FIEC
(Editado para tarea, se manteniene el objetivo de aprendizaje)
Sección 2
. Descripción del Problema y funciones con matrices (pregunta 2,3,4)

Para el resto del examen considere lo siguiente:

Cuadrantes de la matriz

Las matrices pueden ser divididas en cuadrantes, cuatro subregiones de igual tamaño,  denominados:
Q1, Q2, Q3 y Q4
como se muestra en la gráfica:

Asuma que existen las siguientes funciones:

a.  cuadrantes(matriz) que recibe una matriz y devuelve un vector con los cuadrantes de la matriz [Q1, Q2, Q3, Q4], que son a su vez matrices (arreglos).

b. poblacionEspecie(mAnimales, especie) que recibe una matriz de animales, el código de una especie y determina la cantidad total de animales de esa especie en cada uno de los cuadrantes. El resultado es un vector con el siguiente formato [pQ1, pQ2, pQ3, pQ4].


Realice las funciones:

2. densidadHielo(mHielo) que recibe una matriz de hielo y determina la densidad de hielo para cada cuadrante. El resultado es un vector con el  formato [dQ1, dQ2, dQ3, dQ4].
La densidad de un cuadrante es la cantidad total de sus celdas con valor uno (1) dividido para el número total de celdas del cuadrante.

3. especieDominante(mAnimales) que recibe una matriz de animales y encuentra la especie dominante por cuadrante.
El resultado es un vector con los códigos de la especie que más se repite en cada cuadrante: [eQ1, eQ2, eQ3, eQ4]

4. migracionEspecie(mAnimales2009, mAnimales2019, especie) que recibe la matriz de animales del 2009, la matriz de animales del 2019 y el código de una especie. La función debe retornar un vector [a,b] con dos valores:

a.  El primer valor corresponde al cuadrante donde hubo mayor población de animales de la especie en el 2009.
b.  El segundo valor corresponde al cuadrante donde hay mayor población de animales de la especie en el 2019.
Los valores son  los códigos de los cuadrantes: ‘Q1’, ‘Q2′,’Q3’, ‘Q4’

Rúbrica: numeral 2 (10 puntos), numeral 3 (20 puntos), numeral 4 (15 puntos),

2Eva_IIT2018_T1 Hielo y especies en Ártico-Archivo

2da Evaluación II Término 2018-2019. 2-Febrero-2019 /CCPG001 – FIEC
(Editado para tarea, se manteniene el objetivo de aprendizaje)
Sección 1
. (pregunta 1) Descripción del Problema y lectura de datos desde archivo

La World Wide Fund for Nature (WWF) se encuentra realizando el #TenYearChallenge del Ártico. http://diarioecologia.com/el-deshielo-del-artico-aumenta-la-mortalidad-del-oso-polar/

Referencia: https://www.worldwildlife.org/stories/imperiled-polar-bears-face-new-threat-in-alaska-s-arctic-national-wildlife-refuge

Para esto dispone de información sobre la cantidad de hielo y población de animales de diversas especies durante los años 2009 y 2019 en un archivo con el siguiente formato:

Número de filas
Número de columnas
Año,fila,columna,hielo,especie

Ejemplo: ‘artico2009-2019.txt

22
14
Año,fila,columna,hielo(0/1),especie
...
2009,14,8,1,9
...
2019,5,7,0,3

Implemente las siguientes funciones:

  1. crearMatriz(nomArchivo) que recibe el nombre del archivo con los datos de la WWF y retorna una tupla que contiene las siguientes cuatro matrices:
mhielo2009: Cantidad de hielo 2009
1 0 0 1
0 1 1 1
1 0 1 0
1 1 1 0
0 1 0 1
1 1 1 0
mhielo2019: Cantidad de hielo 2019
1 0 0 1
0 1 0 1
1 0 1 0
1 0 1 0
0 1 0 1
0 0 1 0
mAnimales2009: Especies de animales 2009
1 2 4 4
2 5 5 3
1 3 9 1
1 1 4 2
4 22 4 7
1 1 14 4
mAnimales2019: Especies de animales 2019
3 2 4 1
0 11 3 5
1 0 67 1
2 22 3 2
13 13 2 3
3 0 1 0

En las matrices de hielo cada valor uno (1) en una celda representa la presencia de hielo.

En las matrices de animales cada celda representa la presencia de un animal de una especie usando una cierta codificación, como la del ejemplo:

0: No hay animal 
1: Lobo ártico 
2: Oso Polar 
3: Reno 
4: Foca 
5: ...

Rúbrica: numeral 1 (15 puntos): abrir y cerrar archivo, procesar lineas de tamaño de matriz, crear matrices, procesar líneas de datos de matriz, llenar matrices.

3Eva_IT2018_T2 Producción minera del país

3ra Evaluación I Término 2018-2019. 14-Septiembre-2018 /CCPG001 – FIEC (Editado para tarea, se mantiene el objetivo de aprendizaje)

Tema 2. (50 puntos) En el último discurso presidencial, se mencionaron algunos datos sobre las ganancias de algunos minerales del país que llamaron la atención de los ciudadanos.

http://www.pichinchauniversal.com.ec/sector-minero-sera-un-gran-aportador-economico/
http://www.pichinchauniversal.com.ec/sector-minero-sera-un-gran-aportador-economico/

Suponga que tiene todo el texto del discurso con el formato en minúsculas,  las palabras separadas por un espacio, sin signos de puntuacion ni otros símbolos. Los minerales están identificados por el prefijo «mral_» seguido del nombre del mineral. Por ejemplo: ‘mral_oro’, ‘mral_plata’, ‘mral_cobalto’

discurso = '... y el dia de ayer descubrimos en la mina mirador que la cantidad de mral_oro ...'

a) Implemente la función extraerMinerales(discurso) que al recibir el texto del discurso encuentra los nombres de todos los minerales mencionados. El resultado es una lista con los nombres de los minerales que empiezan con mayúscula y no se repiten en la lista.

Por otro lado, suponque que dispone de las tablas de producción para cada mineral de las canteras del país, costos totales de extracción, costos totales de transporte, los nombres de los minerales y minas asociados a las filas y columnas de las tablas, y los precios cada mineral, semejantes a los mostrados al final del ejercicio.
Con ésta información implemente las siguiente funciones:

b) La función calcularGanancias(P,C,T,precios)  que calcula las ganancias o pérdidas de cada mineral por mina. La función recibe la lista de precios de venta de los minerales las tres matrices: producción (P) , costos totales de extracción (C) y costos totales de transporte (T).

Adicionamente, considere las siguientes fórmulas:

ganancia = ventas - costos
ventas = producción*precio
costos = costos de transporte + costo de extracción

c) La función gananciaTotal(M, Minerales) determina las ganancias totales de cada mineral de mayor a menor, junto a los correspondientes nombres de mineral.

La función recibe la matriz del literal anterior y la lista de las etiquetas de los minerales (fila de la matriz).
El resultado es una tupla de dos elementos ordenados por ganancia:
– el vector de Numpy de las ganancias totales por mineral
– una lista con los nombres de los minerales.

d) La función top8(discurso, ganatotal) presenta los nombres de los ocho (8) minerales que generaron más ganancias totales  y que fueron mencionados en el discurso. La variable ganatotal corresponde al resultado de la función del literal anterior.

Rúbrica: literal a (1o puntos), literal b (15 puntos), literal c (15 puntos), literal d (10 puntos)

Datos de prueba:

minerales = ['Oro', 'Plata', 'Cobre']
precios   = [38.48,    3.43,    0.01]

minas = ['MIRADOR', 'FRUTA_DEL_NORTE', 'LOMA_LARGA', 'otra']

# produccion
P = np.array([[ 13524000, 121072000,  1204000,  9632000],
              [ 28000000,    952000,  9632000, 96404000],
              [126980000,    896000, 92988000,  9604000]])

# costos totales de extracción
C = np.array([[12.32, 10.23, 23.23, 19.23],
              [ 3.13,  1.78,  2.45,  1,69],
              [ 8.32,  5.25,  6.32,  6.89]])

# costos totales de transporte
T = np.array([[ 43736616, 341786256,  5442080,  28241024],
              [ 76244000,   1827840, 13966400, 435746080],
              [156439360,   1121792,300723192,  10785292]])

Referencia: Archivo original 3raEvaI_Term2018.pdf

1Eva_IIT2017_T3 Venta combustibles

1ra Evaluación II Término 2017-2018, Diciembre 1, 2017. CCPG001 – FIEC

(Editado para tarea, se mantiene el objetivo de aprendizaje)

Tema 3. (40 puntos) Las ventas anuales (en galones) para las estaciones de gasolina en el país  se muestran en la matriz siguiente:

Ventas Primax Alborada PS Los Rios Mobil Cumbayá Lutexsa Cia Ltda Ps Remigio Crespo
Regular 239034 678493 896321 32438 554213
Extra 4568321 6745634 9754008 3242342 3456123
Super 234773 56743 123678 4783 90874
Premium 45672 45212 90781 3904 90431

Las filas representan el tipo de gasolina y las columnas representan las estaciones de gasolina.

Adicionalmente  dispone de los vectores (en Numpy):

tipoGasolina = np.array(['Regular',
                         'Extra',
                         'Super',
                         ...,
                         'Premium'])
gasolinera = np.array(['Primax Alborada',
                       'PS Los Ríos',
                       'Móbil Cumbayá',
                       'Lutexa Cia Ltda',
                       ...,
                       'PS Remigio Crespo'])
distrito = np.array(['distrito1',
                     'distrito2',
                     'distrito1',
                     'distrito2',
                     ...,
                     'distrito4'])
ciudad = np.array(['Guayaquil',
                   'Babahoyo',
                   'Quito',
                   'Guayaquil',
                   ...,
                   'Cuenca'])

El vector tipoGasolina contiene los nombres de los tipos de gasolina comercializadas en el país.

Los vectores: gasolinera, distrito y ciudad, contienen el nombre de la estación, el distrito y la ciudad en la que se encuentra cada estación. Una ciudad se divide en varios distritos y tiene varias gasolineras, resultando en que los nombres en  distritos y ciudades se pueden repetir en los vectores.

Implemente un programa para responder a las siguientes preguntas:

a) Dado un tipo de gasolina, muestre por pantalla los nombres de todas las gasolineras que han vendido en el año más del promedio de venta en galones para ese tipo.

b) Dada una ciudad, y calcule cuántas de sus gasolineras en el año han vendido más de 15 millones de galones en total , considere todas las ventas para todos los tipos de gasolinas.

c) Muestre por pantalla el nombre de la ciudad que más galones ha vendido en el año de gasolina tipo ‘EcoPais’ en el distrito1.

Nota: Para los literales a y b, los valores de selección se deben ingresar por teclado. El programa se debe realizar en Python.

Rúbrica: literal a (12 puntos), b (13 puntos), c (20 puntos).


venta = np.array([
    [ 239034,  678493,  896321,   32438,  554213],
    [4568321, 6745634, 9754008, 3242342, 3456123],
    [ 234773,   56743,  123678,    4783,   90874],
    [  45672,   45212,   90781,    3904,   90431]])


tipoGasolina = np.array(['Regular',
                         'Extra',
                         'Super',
                         'Premium'])

gasolinera  = np.array(['Primax Alborada',
                        'PS Los Ríos',
                        'Móbil Cumbayá',
                        'Lutexa Cia Ltda',
                        'PS Remigio Crespo'])
distrito = np.array(['distrito1',
                     'distrito2',
                     'distrito1',
                     'distrito2',
                     'distrito4'])
ciudad =  np.array(['Guayaquil',
                    'Babahoyo',
                    'Quito',
                    'Guayaquil',
                    'Cuenca'])

Referencia: Archivo original 1Eva_IIT2017.pdf

3Eva_IT2017_T2 Huracanes en Atlantico Norte

3ra Evaluación I Término 2017-2018. Septiembre 16, 2017 /CCPG001 – FIEC
(Editado para tarea, se mantiene el objetivo de aprendizaje)

TEMA 2 (45 puntos). Para el Atlántico Norte, los meteorólogos registran los parámetros que describen a los huracanes .

La tabla muestra los datos en una matriz M para cada año y nombre asignado al huracan:

El encabezado de la matriz se describe en el diccionario huracanes que contiene el año (clave tipo entero) y los nombres  de huracanes en ese año (texto en tupla).

huracanes = {..., 
             2015:('Ana', ..., 'Kate'),
             2016:('Alex', ..., 'Otto'),
             2017:('Ariene', ..., 'Harvey','Irma', ...), 
             ... }

Los nombres no se repiten y se almacenan en el mismo orden que en la matriz M.

Por la velocidad del viento, los huracanes se categorízan en :

categoria Velocidad del Viento
1 menor a 100 km/h
2 100 a 150 km/h
3 150 a 200 km/h
4 200 a 250 km/h
5 mas de 250 km/h

Desarrolle los siguientes literales:

a) Elabore la función total_marejada(M, cat) que retorna el total de marejadas en metros causadas por los huracanes que tengan categoria cat.

b) Implemente la función indices_año(huracanes, año) que retorna una tupla con los índices de columna donde empieza y termina año en la matriz M.

c) Escriba la función velocidad_superior(M, huracanes, año) que retorna la cantidad de huracanes en año que tienen la Velocidad de Desplazamiento (Vd) superior a la Velocidad de Desplazamiento promedio del año dado como parámetro.

d)  Realice la función ACE(M, huracanes, año) que devuelve la cantidad de energía liberada por todos los huracanes de la temporada año.
Esto se calcula usando:

CantidadEnergia = 10 ^{-4} (VV_{1}^{2} + VV_{2}^{2} \text{+ ... + }VV_{n}^{2} )

Donde VVi es la Velocidad de Viento (en km/h) de cada huracan.

e) Implemente la función lluvia(M, huracanes, nombre_huracan, año) que devuelve la cantidad de lluvia en centímetros (cm) generada por el nombre_huracan en ese año.

Rúbrica: literales a,c y d (11 puntos cada uno), literal b (5 puntos), literal e (7 puntos)

Referencias:
– Irma: ¿cómo y quién decide el nombre de los huracanes?, http://www.bbc.com/mundo/noticias-37591575,
http://www.infobae.com/america/mundo/2017/09/07/por-que-bautizan-a-los-huracanes-con-nombres-de-personas/
– ¿Cómo se clasifican los huracanes en el Atlántico?, https://es.wikipedia.org/wiki/Escala_de_huracanes_de_Saffir-Simpson


Ejemplo:

M = np.array([[20, 30, 19, 15, 18],
              [89,195,120,150,240],
              [65,165,100,110,200],
              [30, 49, 35, 89, 67],
              [ 5, 1.8,  1,  2,  5]])

huracanes = {2016:('Alex', 'Otto'),
             2017:('Ariene', 'Harvey','Irma'),
             }
Se obtiene:
---
categorias:  [1 3 2 2 4]
Marejadas cat[2]:  3.0
indices:  [2, 4]
velocidad superior:  2
Energia liberada:  0.091
lluvia en mm:  89.0

Referencia: Archivo original 3Eva_IT2017.pdf

3Eva_IIT2016_T2 Juntas receptoras de voto

3ra Evaluación II Término 2016-2017, Marzo 7, 2017 /CCPG001 – FIEC
(Editado para tarea, se mantiene el objetivo de aprendizaje)

TEMA 2. (45 Puntos) Para el control de las elecciones presidenciales de un país, Ud. tiene dos matrices con los votos de hombres y mujeres para cada uno de los candidatos:

JRV_H (juntas receptoras del voto, hombres)
JRV_M (juntas receptoras del voto, mujeres)

Las filas representan las juntas receptoras del voto y las columnas representan los candidatos. El número en la celda representa el número de votos para un candidato en una JRV:

También tiene una tupla con los nombres de los candidatos:

candidatos = (‘candidato1’, ‘candidato2’, … ‘candidatoN’)

Suponga que estas matrices son creadas por una función ya existente y retornadas al inicio de su programa principal. Por ejemplo:

JRV_H = creaMatrizHombres()
JRV_M = creaMatrizMujeres()

Nota: NO necesita implementar estas funciones o crear las matrices; esto ya ha sido hecho por usted.

Se le pide lo siguiente:

  1. Crear una función contarVotos(JRV_H, JRV_M) que recibe ambas matrices y devuelve una tupla con los votos totales para cada candidato.
  2. Crear la función segundaVuelta(JRV_H, JRV_M) que recibe ambas matrices y devuelve el valor booleano 'True' si hay segunda vuelta, 'False' si no.
    No hay segunda vuelta si el primer candidato tiene al menos el 40% de los votos registrados en las matrices, y al menos 10 puntos porcentuales de diferencia con el segundo.
  3. Crear la función estadística(JRV_H, JRV_M, candidatos, nombre) que recibe ambas matrices, la tupla con los nombres de los candidatos, el nombre de un candidato y devuelve para ese candidato:
    – una tupla con el porcentaje de votos del total global de votos,
    – porcentaje de votos de hombres del total de votos para ese candidato y
    – porcentaje de votos de mujeres del total de votos para ese candidato.
  4. Crear un programa principal que utilizando las matrices JRV_H, JRV_M y las tres funciones anteriores muestre lo siguiente:
Elecciones Presidenciales
Candidato: Perico De Los Palotes
% votos totales: 41%
% votos hombres: 55%
% votos mujeres: 45%
Candidato: Juan Pueblo
% votos totales: 30%
% votos hombres: 48%
% votos mujeres: 52%
Candidato: Juanita Pueblo
% votos totales: 15%
% votos hombres: 30%
% votos mujeres: 70%
…
SI/NO hay segunda vuelta (dependiendo de si hay o no segunda vuelta)

Ejemplo de matriz para pruebas

# Ingreso
JRV_H = np.array([
    [15,145,230,45],
    [18,187,89,67],
    [109,12,28,18],
    [231,76,67,137],
    ])

JRV_M = np.array([
    [100,240,19,45],
    [50,38,242,67],
    [178,12,164,5],
    [123,23,38,333]
    ])
candidatos = ['Perico','Juan','Juanita','Ana']

Referencia: Archivo original 3raEvaIIT2016.pdf

1Eva_IT2017_T2 youtubers

1ra Evaluación I Término 2017-2018. Julio 01, 2017. CCPG001 – FIEC
(Editado para tarea, se mantiene el objetivo de aprendizaje) 

Tema 2 (50 puntos). Para analizar la popularidad de varios youtubers de España, Ecuador y México, se obtuvieron datos del sitio «SocialBlade» en varias listas y una matriz:

espana=['elrubiosOMG','VEGETTA777', '...']
ecuador=['enchufetvLIVE','Kreizivoy','...']
mexico=['Yuya','Werevertumorro','...']

En la matriz, para cada youtuber (fila) le corresponde los datos de (columnas): suscriptores, reproducciones de videos, ganancias mensuales y ganancias anuales.

matriz=np.array([
    [  24771906, 5477807839,      21900,     262800],
    [ 184551280, 7046108694,      45500,     546000],
    [     76493,     798122,         36,        430],
    [    133538,   21104851,        156,       1900],
    [  18554394, 1967543913,       6700,      80000],
    [  12548964, 2034702069,      12200,      12200],
    [...]
    ])

Considere las siguientes métricas para cada youtuber:

popularidad = numero de suscriptores
rentabilidad = ganancias anuales/número de suscriptores

Realice un programa para encontrar:

  1. El youtuber con mayor rentabilidad y el país al que pertenece
  2. Los youtubers con mayor rentabilidad de cada país
  3. ¿Cuántos youtubers de España tienen más suscriptores que el youtuber mas popular de Ecuador y México?
  4. Número promedio de reproducciones de los youtubers con más de un millón de suscriptores
  5. ¿Cuántos youtubers de Ecuador hay en cada categoría? Las categorías son:
rango de rentabilidad categoría
0.0 a 0.30 3
0.31 a 0.60 2
>=0.61 1

6.  El país que generó más ganancias anuales. El país que generó menos ganancias anuales. Muestre el mensaje siguiente reemplazando los datos apropiadamente

El país X generó  Z% mas de ganancias que el país Y

Para calcular el porcentaje utilice la siguiente fórmula:
GX: ganancia anuales del país X
GY: ganancias anuales del país Y
porcentaje=(GXGY)/GY * 100

Nota: Para los numerales del 1 al 5, el código solo debe realizar el procedimiento para generar los valores pedidos y almacenarlos en variables, no se requiere mostrar datos por pantalla.

Referencias: http://socialblade.com/youtube

Archivo original 1Eva_IT2017.pdf

1Eva_IIT2016_T2 Ventas por tienda deportiva

1ra Evaluación II Término 2016-2017. Diciembre 6, 2016. CCPG001 – FIEC
(Editado para tarea, se manteniene el objetivo de aprendizaje)

TEMA 2. (42 PUNTOS) Una cadena de tiendas deportivas, Marathon Sports,  ofrece una amplia gama de productos cuyo detalle de ventas[tienda,productos] se registran en una matriz.

Ejemplo:
ventas=numpy.array(
       [[1,2,3,4,5,6],
        [7,8,9,1,2,3],
        [4,5,6,7,8,9],
        [1,2,3,4,5,6],
        [7,8,9,1,2,3],
        [4,5,6,7,8,9],
        [1,2,3,4,5,6],
        [7,8,9,1,2,3],
        [4,5,6,7,8,9]])

Las tiendas, representadas en las filas de la matriz, se agrupan en tres sectores de la ciudad de Guayaquil: sur, centro y norte. Los nombres de las tiendas se guardan en el siguiente orden:

sur = ['LosEsteros', 'Pradera', 'RiocentroSur', '...']
centro = ['Bahia', 'Malecon2000', 'MaleconSalado', '...']
norte = ['MallDelSol', 'CityMall', 'RiocentroNorte', '...']

Los productos representados en las columnas de la matriz pertenecen a dos principales categorías: Fútbol y Natación. Cada tipo y marca de producto se encuentran separados por un guión(-)

futbol = ['zapatos-Adidas', 'zapatos-Nike', 'rodilleras-Reebok', '...']
natacion = ['short-Nike', 'gafasPiscina-Swingo', 'aletas-Speedo', '...']

Si dispone de la matriz con datos, realice un programa para encontrar las respuestas a las siguientes preguntas:

a. La categoría que tiene mayor cantidad de ventas y su valor.

Ejemplo:
a. Si ambas tuvieran la misma cantidad de ventas, muestre:
'Iguales: 12348.37'
b. Si fútbol tiene más ventas muestre: 
'Fútbol tiene más ventas: 15000.95' 

b. La tienda que más ha vendido.

Ejemplo: 'Bahía, con un monto de 8238.93'

c. La tienda que más ha vendido en el norte.

Ejemplo: 'CityMall con 1345.90'

d. El artículo más vendido en el sur.

Ejemplo: 'zapatos-Nike'

e. El número de productos distintos que se han vendido en una tienda dada por el usuario y cuáles son esos productos. Si la tienda no existiera, debe darle un mensaje al usuario: “Tienda no existente”.

Por ejemplo: 
Tienda: Malecon Salado 
Productos distintos vendidos:3 
Productos: zapatos-Adidas, zapatos-Nike, gafasPiscina-Swingo

f. El porcentaje de tiendas en el cual se han vendido productos de natación.
Ayuda: Busque el número de tiendas en el cual se han vendido productos de natación y divida esa cantidad para el total de tiendas, esa división le dará el porcentaje. Porcentaje: 54%

g. El promedio de ventas de los productos de Fútbol.

Por ejemplo:
Promedio de ventas de productos de fútbol: 18218.21

Referencia: Archivo original 1raEvaIIT2016.pdf

1Eva_IT2016_T3 Tiempos de navegación internet

1ra Evaluación I Término 2016-2017. Junio 28, 2016 /CCPG001 – FIEC

TEMA 3 . (40  puntos) Se dispone de un arreglo de NumPy que representa el tiempo[empleado, sitio] de navegación en Internet de una empresa expresada en un arreglo de nxm. El arreglo es similar al resultado del tema anterior, además también se dispone de las listas de los empleados y sitios de trabajo.

La empresa requiere elaborar un reporte de las visitas a internet que incluya los siguientes datos:

a. Tiempo total de uso de Internet.
b. Tiempo total de uso de Internet  por empleado
c. Tiempo total de visita  por sitio
d. Tiempo total de visita  por sitio de trabajo
e. Tiempo total de visita  por sitios que no son de trabajo
f. El nombre del empleado que más tiempo ha pasado en sitios que no son de trabajo
g. El sitio de trabajo que más tiempo ha sido usado
h. Si el proveedor de Internet cobra un valor de 5 centavos por minuto de visita alos sitios de trabajo y el doble para los otros sitios. Calcule el total a  pagar en dólares.
i. ¿Cuántos empleados han visitado cada sitio ?

Desarrolle un programa en Python que calcule los resultados a las preguntas anteriores y muestre por pantalla las respuestas.

Referencia: Archivo original 1raEvaIT2016.pdf