2.9 KiB
id, title, challengeType, forumTopicId, dashedName
| id | title | challengeType | forumTopicId | dashedName |
|---|---|---|---|---|
| 5e4f5c4b570f7e3a4949899f | Previsor de nível do mar | 10 | 462370 | sea-level-predictor |
--description--
Você trabalhará neste projeto com nosso código inicial do Replit.
Ainda estamos desenvolvendo a parte instrucional interativa do currículo Python. Por enquanto, aqui estão alguns vídeos no canal do freeCodeCamp.org do YouTube que ensinarão tudo o que você precisa saber para completar este projeto:
- Curso de Python em vídeo para todos (14 horas)
- Curso Aprenda Python em vídeo (10 horas)
--instructions--
Você analisará um dataset da mudança média do nível do mar global desde 1880. Você utilizará os dados para prever a mudança do nível do mar até ao ano de 2050.
Use os dados para completar as seguintes tarefas:
- Use o Pandas para importar os dados de
epa-sea-level.csv. - Use a matplotlib para criar um diagrama de dispersão usando a coluna "Year" como eixo x e a coluna "CSIRO Adjusted Sea Level" (Nível do mar ajustado) como o eixo y.
- Use a função
linregressdoscipy.statspara obter o coeficiente angular e o ponto de interceptação da linha de y do melhor ajuste. Trace a linha de melhor ajuste na parte superior do diagrama de dispersão. Faça a linha passar pelo ano 2050 para prever o aumento do nível do mar em 2050. - Trace uma nova linha do melhor ajuste utilizando apenas os dados do ano 2000 ao longo do último ano no dataset. Faça com que a linha passe também pelo ano 2050 para prever o aumento do nível do mar em 2050 se a taxa de crescimento continuar como está desde o ano 2000.
- O rótulo de x deve ser "Year" e o rótulo de y deve ser "Sea Level (inches)" (Nível do mar, em polegadas), e o título deve ser "Rise in Sea Level" (Aumento do nível do mar).
Os testes unitários foram escritos para você no test_module.py.
O boilerplate também inclui comandos para salvar e retornar a imagem.
Desenvolvimento
Para o desenvolvimento, você pode usar main.py para testar suas funções. Clique no botão "Run" e main.py será executado.
Testes
Importamos os testes de test_module.py em main.py para a sua conveniência. Os testes serão executados automaticamente sempre que você clicar no botão "Run".
Envio
Copie o URL do seu projeto e envie-o para o freeCodeCamp.
Fonte dos dados
Global Average Absolute Sea Level Change, 1880-2014 da Agência de Proteção Ambiental dos EUA, usando dados do CSIRO, 2015; NOAA, 2015.
--hints--
Ele deve passar em todos os testes do Python.
--solutions--
# Python challenges don't need solutions,
# because they would need to be tested against a full working project.
# Please check our contributing guidelines to learn more.