Tema de casă 1 - Data Analysis On The Fly

Responsabili: Carmen Popa Valentin Ioniță

Termen de predare: 05.11.2018, ora 23:55

• să utilizeze funcțiile din limbajul C de citire și scriere a datelor
• să utilizeze funcțiile matematice din C
• să utilizeze structuri condiţionale si repetitive din C
• să utilizeze tool-ul de automatizări Make pentru a compila automat programele scrise

• tema va fi realizată doar cu materia prezentată la curs până în săptămâna a patra inclusiv
• tema se va rezolva fără variabile globale

• devin familiar cu reprezentarea datelor într-un mod prietenos pentru cei ce le citesc (ex: grafic, pie chart, histogramă etc)
• învăț cum se lucrează cu date numeroase și cum se calculează statistici pe baza acestora
• descopăr un domeniu nou, Internet of Things, și ce aplicații poate avea acesta

• abordarea unei problemei mai complicate și divizarea acesteia în subprobleme ce pot fi rezolvate individual
• scrierea de cod ușor de citit și de întreținut
• modularizarea codului în subprograme

O histogramă (bar graph) este un grafic care reprezintă datele sub forma de bare verticale/orizontale (dreptunghiuri). Într-o histogramă, pe una dintre axe sunt reprezentate denumirile datelor (de exemplu, Ianuarie, Februarie etc.), iar pe cealaltă axa sunt reprezentate valorile frecvențelor corespunzătoare datelor (numărul de intrări care corespund lunii Ianuarie, lunii Februarie etc.).

Un student vrea să țină evidența serialelor la care s-a uitat în sesiune și dorește să facă un program care să îi afișeze o histogramă cu numărul de episoade pentru fiecare serial. Acesta ia în calcul maxim 10 seriale, codificate astfel:

Black Mirror - 0
Doctor Who - 1 
Doctor House - 2 
Rick & Morty - 3 
Breaking Bad - 4 
Mr. Robot - 5 
Game of Thrones - 6 
Grey’s Anatomy - 7 
Fullmetal Alchemist: Brotherhood - 8
Vikings - 9

Datele de intrare se citesc de la stdin. Mai întai va fi citit un numar natural n care arată numărul de seriale ce vor fi luate în calcul pentru fiecare test în parte. Apoi urmează n intrări de forma [codificare serial] [număr episoade văzute] [număr total de episoade], care corespund serialelor menționate mai sus. Histograma va conține 2 caractere:

'*'  pentru a marca umplerea unui nivel
'.'  pentru fundal 

Fiecare rând al histogramei conține 10 niveluri, ceea ce înseamna că datele vor fi scalate și apoi rotunjite: dacă un serial are 30 de episoade, din care au fost văzute 10, se face regula de trei simplă pentru a scala la 10 și astfel se obține (10 / 30) * 10 = 3.33 care e rotunjit la 3 (adică histograma va conține 3 steluțe și restul de 7 puncte). Similar, valorile 3.70 sau 3.50, de exemplu, se vor rotunji la 4. În cadrul datelor de intrare, codificările pot apărea în orice ordine, dar histograma finală va conține serialele în ordine crescătoare după codificarea acestora.

Exemplu:

Studentul a numărat că a văzut 22/55 episoade din Doctor Who, 40/50 din Game of Thrones, 16/19 Breaking Bad și 10/32 din Doctor House. Un exemplu de date de intrare ar arăta astfel:

4
1 22 55
6 40 50 
4 16 19
2 10 32 

Histograma realizată de programul scris de student arată astfel (numerele reprezintă codificările serialelor):

1 * * * * . . . . . .
2 * * * . . . . . . .
4 * * * * * * * * . . 
6 * * * * * * * * . .

Dar realizarea histogramei pe orizontală a fost prea simpla. Acum, studentul este în căutarea unei noi provocări până apare următorul sezon, asa că decide să afișeze histograma vertical. Aceasta va avea 11 rânduri (10 pentru nivelul episoadelor și ultimul, cel de jos, pentru codificarea serialului). Caracterele de pe un rând sunt separate printr-un singur spațiu. Histograma va fi afișată pe ecran (stdout) și ar arata astfel:

. . . .
. . . .
. . * *
. . * *
. . * *
. . * *
* . * *
* * * *
* * * *
* * * *
1 2 4 6

Un fotorezistor este o componentă electronică care iși modifică valoarea în funcție de cantitatea de lumină primită. Acesta are rezistentă mare la întuneric și mai scăzută la lumină. Cu cât valoarea este mai mică, cu atât este mai întunecată camera.

Odată mutat la cămin, studentul observă ca noaptea îi dispare mâncarea din frigider. Acesta cumpără o plăcuță Arduino, niște fotorezistențe și cabluri și scrie un progrămel care să măsoare cantitatea de lumină primita de fotorezistențe în timpul nopții. Astfel, își va putea da seama dacă cineva îi fură mâncarea cu adevărat.

Plăcuța Arduino pe care a cumpărat-o nu are suficientă memorie încât să rețină toate valorile citite de fotorezistențe, asa ca programul efectuează calculele pe măsură ce primește valorile. Pe baza inputului dat, voi calculați media aritmetică, geometrică, armonică și media pătratică, dar și abaterea standard a datelor, având în vedere formulele: \begin{eqnarray*} & & m_{aritmetica} = \frac{p_1 + p_2 + ... + p_n}{n} \end{eqnarray*}

\begin{eqnarray*} & & m_{geometrica} = \sqrt[n]{p_1 \cdot p_2 \cdot p_3 \cdot ... \cdot p_n} \end{eqnarray*}

\begin{eqnarray*} & & m_{armonica} = \frac{n}{\frac{1}{p_1} + \frac{1}{p_2} + ... + \frac{1}{p_n}} \end{eqnarray*}

\begin{eqnarray*} & & m_{patratica} = \sqrt{\frac{p_1^2 + p_2^2 + ... + p_n^2}{n}} \end{eqnarray*}

\begin{eqnarray*} & & stdev = \sqrt{\frac{1}{n}\sum_{k=1}^n (p_k - m_{aritmetica})^2} \end{eqnarray*}

Aceste 5 valori se vor afișa pe ecran cu exact 4 zecimale, fiecare pe câte un rând separat. Se consideră că valorile citite nu vor fi niciodată fix 0, deci nu vă faceți griji de împărțirea la 0. Mai mult, media geometrică nu se poate calcula dacă un termen al seriei este negativ, caz în care la ieșire se va afișa caracterul '-'.

De asemenea, studentul dorește să știe acuratețea cu care fotorezistențele citesc datele. Astfel, se va afla minimul și maximul din valorile citite și de câte ori apare fiecare, dar și cea mai lungă secvență crescătoare (nu neapărat strict crescătoare), pentru a vedea dacă lumina a fost cu adevărat aprinsă pentru câteva secunde, sau dacă a fost doar o eroare de citire.

Aceste rezultate se vor afișa pe ecran, pe trei rânduri diferite, separate printr-un spațiu, ca în exemplul de mai jos. De remarcat faptul că și minim si maxim sunt numerele reale, deci se vor afișa cu exact 4 zecimale:

minim nr_minim
maxim nr_maxim
lungime

Exemplu:

Date de intrare:

8
-15.2
27.5
-121.2
112.3
-121.2
1000
1000
82.13

Date de ieșire:

245.5412
-
-350.1560
506.1772
442.6340
-121.2000 2
1000.0000 2
3

Explicatie:

Pentru datele de intrare, prima valoare reprezintă N, adică numărul de valori înregistrate de fotorezistență, iar următoarele N numere reprezintă valorile efective înregistrate. Pentru datele de ieșire, primele 5 rânduri sunt pentru: media aritmetică, media geometrică, media armonică, media pătratică și abaterea standard. Următoarele două rânduri sunt pentru minim și maxim și numărul de apariții, iar ultimul rând arată lungimea celei mai lungi secvențe crescătoare.

Ajutați studentul să scrie acest program pentru a vedea dacă cineva deschide frigiderul său în timpul nopții. În viitor, va adăuga și un buzzer care sa facă zgomot atunci când frigiderul e deschis și o cameră de filmat pentru a îl prinde pe hoț.

• Implementarea se va face in limbajul C, iar tema va fi compilată şi testată DOAR într-un mediu LINUX. Nerespectarea acestor reguli aduce un punctaj NUL.
• Fișierul de implementare a temei se va numi histograma.c pentru Problema 1 și statistici.c pentru Problema 2, iar în cadrul testării vor fi două executabile diferite verificate.
• Deși programul vostru va trebui să citească direct de la tastatura și să afișeze pe ecran (folosind, de exemplu, scanf și printf), puteți sa citiți datele și să le scrieți în fișiere, folosind redirectările din consolă, fără sa modificați programul. Pentru Linux, comanda este:

./tema1 < in1 > out1 

• Fișierele temei trebuie OBLIGATORIU împachetate într-o arhiva de tip '.zip', cu numele 'Grupa_NumePrenume_Tema1.zip'. Această arhivă va conține:
  1. Codul sursă al programului vostru (două fișiere .c si, eventual, .h)
  2. Un fişier Makefile care să conţină regulile build şi clean. Regula build va compila programele în două executabile cu numele hist și stats. Regula clean va şterge executabilele şi eventual toate binarele intermediare (fişiere obiect) generate de voi.
  3. Un fişier README care să conţină explicații privitoare la modul de rezolvare.
  4. Arhiva temei NU va conține fișiere binare.
• Lipsa codului sursă și/sau a Makefile-ului aduce un punctaj NUL.
• Arhiva va fi trimisă pe vmchecker.
• O temă care nu compilează nu va fi punctată.
• O temă care compilează, dar care nu trece niciun test, nu va fi punctată.

Checkerul poate fi descărcat de aici: tema01_ca2018_checker-v6.zip

 chmod u+x cs.py 

• În lipsa Makefile-ului, sau dacă sursele au erori de compilare, checker-ul nu va putea rula și nu va verifica tema. Punctajul aferent este 0 în acest caz. Veți vedea mesajul de mai jos:

• Fișierul README valorează 5 puncte. Acestea nu se primesc daca fișierul lipsește sau e gol. Mesajele afișate sunt cele de mai jos:

• Odată cu rularea testelor este verificat și coding style-ul. Dacă apar erori de coding style, checkerul va scădea 15 puncte din punctajul obținut. Mesajul arătat este găsit mai jos. De asemenea, checkerul menționează unde sunt erorile pentru a fi corectate.

• Sfat:

   cat -e nume_fișier 

  afișează conținutul fișierului și caracterele albe (spațiu, new line, tab etc). Este util pentru a vedea de ce nu trec anumite teste.

• Makefile:

build:
	gcc nume_sursa_1 -o nume_executabil_1 -lm
	gcc nume_sursa_2 -o nume_executabil_2 -lm
clean:
	rm -rf nume_executabil_1 nume_executabil_2