Grundlagen-Aufgaben

Grundlagen-Aufgaben#

LOESUNG siehe Grundlagen-Aufgaben

Über diese Aufgaben:

Die Aufgaben vermitteln einen Eindruck, wie typische praktische kleine Problemstellungen aussehen, die man am Ende von Pyton 101 lösen können sollte. Das dient auch der von den Akkreditierern eingeforderten Kompetenzorientierung; die Leitfrage hier lautet bekanntlich “Was kann man, wenn man die Lernziele von Python 101 erreicht hat?”

Die Aufgaben sind so gestellt, dass sie sich auf Skript-Ebene zunächst mit minimalem technischen Aufwand lösen lassen . Gleichzeitig sind sie offen genug, auch fortgeschrittenere – insbesondere generischere – Lösungsmöglichkeiten zuzulassen. Damit lassenn sie sich auch in Programmier-Praktika einsetzen, bei denen Studierende mit sehr heterogenen Vorkenntnissen teilnehmen: Es gibt kein abschließendes “fertig”, fast immer kann man es auch noch etwas eleganter oder schöner machen.

Aufgaben-Schema#

(Diese Aufgabe ist eine Musteraufgabe, ein Stub, um die Umgebung der Aufgabenlösung in einem Jupyterbook kennenzulernen.)

Aufgaben in der Klausur Python-101 sind typischerweise strukturiert wie hier:

Als Markdown-Zelle:

  • gegeben: da kommt man her, Kontext

  • gesucht: da will man hin

    • Ziel ist eine selbst programmierte Lösung, die das Ergebnis z.B. in einer Variablen wie ergebnis ablegt.

Code-Zellen:

  • eine Zelle, die einen Kontext schafft

    • so dass man sofort schlau losprogrammieren kann

    • und die die Testausgabe auch gleicht sieht (display() oder print())

  • eine Zelle, die die eigene Ausgabe mit einem oder mehreren Soll-Werten vergleicht

BEISPIEL:

gegeben:

  • hier gar nichts besonderes

gesucht:

  • eine Operation, die der Variablen ergebnis den Wert 42 zuweist.

# Kontext
ergebnis = ... # irgend eine falsche Lösung

# hier schlau programmieren
ergebnis = 42

# Testausgabe Ihrer Lösung
ergebnis # display(ergebnis) oder print(ergebnis)

42

# Diese Tests sollen erfüllt sein
assert ergebnis == 42

Aufgabe: Datum als String ausgeben#

(echte Aufgabe, hier mit Lösung)

gegeben:

  • ein Geburtsdatum (z.B. von Alan Turing, 23. Juni 1912) als Dict

    • z.B. d = {"jahr": 1912, "monat": 6, "tag": 23}

gesucht:

  • dieses Datum als String im Format JJJJ-MM-TT

    • z.B. d_string == "1912-06-23"

Lösung bitte mit f-strings, es hilft dann die Format-Info :02, siehe z.B. https://fstring.help/cheat/.

# Kontext
d = {"jahr": 1912, "monat": 6, "tag": 23}
d_string = ...

# hier schlau programmieren
d_string = f"""{d["jahr"]:4}-{d["monat"]:02}-{d["tag"]:02}"""

# Testausgabe Ihrer Lösung (ggf. auch `print()` ausprobieren)
# print(ergebnis)
d_string

'1912-06-23'

assert d_string == '1912-06-23'

Aufgabe: Datum analysieren#

(echte Aufgabe, verschiedene Lösungsansätze)

Teil 1: Ein einzelner Datensatz#

gegeben:

  • ein Geburtsdatum im Format jjjj-mm-tt

    • z.B. g = "1910-06-22" (ein Computer-Pionier: Wer wars?)

gesucht:

  • die entsprechenden Werte dieses Geburtsdatum in den Variablen jahr, monat, tag

  • auch als Dict d: {"jahr": 1910, "monat": 6, "tag": 22}

Diese Aufgabe ist “zu Fuß” auch für Programmieranfänger lösbar, eine eher einfache Klausuraufgabe. Wer will, kann auch fancy Lösungen suchen. Ggf. die Beispiellösung anschauen und verstehen.

Hinweis: Wir üben hier an einem trivialen Beispiel grundlegende Operationen. “In echt” würde man natürlich eine Bibliothek wie z.B. https://docs.python.org/3/library/datetime.html verwenden.

# Kontext
g = "1910-06-22" 

# jahr, monat, tag zu Fuß extrahieren, mit slicing
... # 
... # 
... # 

# oder auch so
... # 

# Testausgabe
jahr, monat, tag

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[5], line 13
     10 ... # 
     12 # Testausgabe
---> 13 jahr, monat, tag

NameError: name 'jahr' is not defined

# jahr, monat, tag mit List-Comprehension
... # 
# Testausgabe
jahr, monat, tag

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[6], line 4
      1 # jahr, monat, tag mit List-Comprehension
      2 # 
      3 # Testausgabe
----> 4 jahr, monat, tag

NameError: name 'jahr' is not defined

# das dict "zu Fuß" erstellt
... # 
# Testausgabe
jahr, monat, tag, d

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[7], line 4
      1 # das dict "zu Fuß" erstellt
      2 # 
      3 # Testausgabe
----> 4 jahr, monat, tag, d

NameError: name 'jahr' is not defined

# oder das dict ganz fancy mit zip()
... # 
... # 

# Testausgabe
jahr, monat, tag, d

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[8], line 6
      1 # oder das dict ganz fancy mit zip()
      2 # 
      3 # 
      4 
      5 # Testausgabe
----> 6 jahr, monat, tag, d

NameError: name 'jahr' is not defined

# Diese Tests sollen jedenfalls am Ende erfüllt sein
assert jahr == 1910
assert monat == 6
assert tag == 22
assert d == {"jahr": 1910, "monat": 6, "tag": 22}

---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[9], line 2
      1 # Diese Tests sollen jedenfalls am Ende erfüllt sein
----> 2 assert jahr == 1910
      3 assert monat == 6
      4 assert tag == 22

NameError: name 'jahr' is not defined

Teil 2, Verallgemeinerung: Mehrere Datensätze#

gegeben:

  • Ein Dict von Datumsangaben

gesucht:

  • obige Lösung für das komplette Dict

Vorgehen, Empfehlung:

  • für die Analyse eines einzelnen Records eine Funktion definieren

  • und diese dann auf den gesamten Datensatz anwenden

# gd ... Geburtstags-Dictionary
gd = { "Zuse": "1910-06-22", "Turing": "1912-06-23" }
ergebnis = ...

#hier Ihre Lösung
def datum_2_dict( datumstring ):
    ... # 
    datum_dict = {}

    # dict zu Fuß erstellen
    ... # 
    ... # 
    ... # 
    
    # oder mit zip()
    jmt_keys = [ "jahr", "monat", "tag" ] 
    ... # 

    #print( datum_dict )
    return datum_dict

ergebnis = { k: datum_2_dict(v) for k, v in gd.items() }
ergebnis

{'Zuse': {}, 'Turing': {}}

assert ergebnis == { "Zuse": {"jahr": 1910, "monat": 6, "tag": 22}, "Turing": {"jahr": 1912, "monat": 6, "tag": 23} }

---------------------------------------------------------------------------
AssertionError                            Traceback (most recent call last)
Cell In[11], line 1
----> 1 assert ergebnis == { "Zuse": {"jahr": 1910, "monat": 6, "tag": 22}, "Turing": {"jahr": 1912, "monat": 6, "tag": 23} }

AssertionError:

Aufgabe: Aufgabe 42#

(Platzhalter)

gegeben:

  • …

gesucht:

  • …

# Kontext
ergebnis = ...

# hier schlau programmieren
... # 

# Testausgabe Ihrer Lösung (ggf. auch `print()` ausprobieren)
# print(ergebnis)
ergebnis

Ellipsis

# Diese Tests sollen erfüllt sein
ergebnis == 42

False
Contents