[udir-task]

Barget guovttis ja guovttis.

20 minuhta

[udir-info]

Lea dehálaš diehtit ahte datačoahkit maid mii gávdnat interneahtas, sáhttet boahtit iešguđetlágan formáhtain. Sáhttá leat buorre čorget dataid ovdalgo mii lohkat fiillaid, dan sadjái go ráhkadit váttis koda mainna lohká dáid Pythonii. Lea buorre goansta geavahit print() čállit dataid ja ovdamearkka dihte dárkkistit vuosttaš ja maŋemus árvvu vai oaidná leatgo mii lohkan fiilla riekta.

FUOM: Dát aktivitehta sulastahttá ovtta aktivitehta matematihkkamodulas. Jus don leat juo čađahan matematihkkamodula, de it dárbbaš geavahit nu guhkes áiggi dán aktivitehtii.

Visuali seren ja duohtadili dataid gieđahallan

Leat gávdnamis máŋggalágan reaiddut maiguin sáhttá lohkat ja gieđahallat stuora ja smávva datačoahkiid. Gráfalaš lavttat nugo Excel leat hui buorit reaiddut ja daid sáhttá maid programmeret. Dáid lavttaid sáhttá leat vuogas geavahit lohkamii ja rehkenastimii. Leat almmatge olu ovdamunit bidjat veahá áiggi geavahit ii-gráfalaš programmerengielaid, omd. Pythona:

Python lohká stuora fiillaid mihá jođáneappot go gráfalaš prográmmat.
Dis lea dievas kontrolla visot dasa mii dáhpáhuvvá, guđe formáhtas datat leat ja guđeládje datat gieđahallojuvvojit.
Dii sáhttibehtet dataid njuolga geavahit modelleremis ja simuleremis.
Dis lea eambbo kontrolla plottemis ja dataovdanbuktimis.
Python lea dađistaga šaddan datagieđahallama ja statistihkalaš meroštallama standárdan oahpuin ja bargoeallimis.

Video vulobealde čájeha mo dii sáhttibehtet álkimusat lohkat teakstafiillaid Pythona vehkiin. Muitet ahte fiillat fertejit leat vuođđoformáhtas.

[udir-reveal]

[udir-reveal]

Mat leat vuođđoformáhttafiillat?

Vuođđoformáhttafiillat leat formahterekeahtes fiillat, ovdamearkka dihte .txt- dahje .csv- sorttat fiillat. Fiillain, mat leat rihkuin juhkkojuvvon nugo csv -sorttat fiillat (comma separated values), leat datat sirrejuvvon juogo rihkuin dahje beallečuoggáin. Txt-fiillain lea maid sirrenmearka juogo guorosgaska dahje eará mearka. Mii sáhttit spesifiseret guhte sirrenmearka datačoahkis lea go mii lohkat fiilla min prográmmas.

Lese filer med Python from Utdanningsdirektoratet on Vimeo .

Interneahtta lea dieđus buorre gáldu stuora datačoahkiide, muhto leat maid olu eará vuogit datačohkkemii maid ieš sáhttá dahkat. Sihke smartatelefovnnat ja sensorat mat sáhttet laktojuvvot ovdamearkka dihte micro:bitai dahket vejolažžan ieš čohkket dataid luohkkálanjas. Mikrokontrollerat ja sensorat mat leat oahppásat luonddufágas, buvttadit dataid vuođđoformáhtas.

Dás mii geahččat guokte smávit datačoahki hárjehallan dihte vuođđoáššiid.

Jus dii geavahehket installerejuvvon editora dihtoris, de berre viežžat fiillaid ja vurket daid seammá máhppii go din prográmma. Trinket-editoras dán siiddus leat juo buot teakstafiillat integrerejuvvon.

Bargobihttá: plottet dálkkádatdataid

Mii leat bidjan johtui prográmma didjiide, muhto dii galgabehtet ollašuhttit prográmma nu ahte mii oaidnit dataid sihke Norggas ja Indias.

Geavat vuolggasadjin prográmma vulobealde ja viiddit dan vai dat lohka fiilla CO2_India.txt ja bidjá dataid guovtti matrisii:
- ovtta matrisa jahkelohkui
- ovtta matrisa CO ₂ hivvodahkii mii lea luvvejuvvon dihto jagis Indias

[udir-general]

Datačoahkiin lea sirrenmearka. Dás oainnát ahte jagiid lohku ja CO ₂ hivvodat lea sirrejuvvon rihkuin. Mii fertet addit dieđu loadtxt:ii ahte dá lea sirrenmearka («delimiter»). Dan mii dahkat go čállit

data = loadtxt("CO2_Norge.txt", skiprows = 1, delimiter = ",")

Plotte CO ₂ hivvodaga jahkelogu funkšuvdnan sihke Norgga ja India várás. Bija daidda ávssisnamahusaid ja čiŋat plotta nu go ieš hálidat. Jus don leat juo oahpis plottemii, de sáhtát álgit buhtis lásiin redigerenprográmmas. Jus don it leat oadjebas fiilalohkamiin Pythoniin, de ane vuolggasadjin Trinket-láse vulobealde.
Stuđere ja válddat plottaid.
Sáhtát go datačoahki vehkiin gávdnat gaskamearálaš ja maksimála luoitaga?

[udir-reveal]

Ávkkálaš plottenkommánddut

plot(x,y)         # plotte x dan y guvlui ja geassá njuolggo linjjáid daid gaskka

scatter(x,y)      # plotte čuoggáid
show()            # čájeha plotta 
title('tittel')   # plotta namahus
xlabel('tekst')   # x-ávssisnamahus
ylabel('tekst')   # y-ávssisnamahus
xlim(fra, til)    # definišuvdnahivvodat
ylim(fra, til)    # árvohivvodat
grid()            # ruvttodat das

axhline(y=0, color='black') # x-ávssis

axvline(x=0, color='black') # y-ávssis

[udir-reveal]

Čoavdinevttohus lohkat ja plottet datačoahki

from pylab import *

# Datat Norggas
data_NOR = loadtxt("CO2_Norge.txt", skiprows = 1, delimiter = ",")
år_NOR = data_NOR[:,0]
CO2_NOR = data_NOR[:,1]

# Datat Indias
data_IND = loadtxt("CO2_India.txt", skiprows = 1, delimiter = ",")
jahki_IND = data_IND[:,0]
CO2_IND = data_IND[:,1]

plot(jahki_NOR, CO2_NOR, label = "Norge", color = "firebrick")
plot(jahki_IND, CO2_IND, label = "India", color = "seagreen")
title("Jahkásaš utslipp av CO2")
xlabel("Jahki")
ylabel("Tonn CO2 juohke ássi nammii'")
legend()

[udir-reveal]

Čoavdinevttohus suokkardit datačoahki

Mii sáhttit ráhkadit sierra funkšuvnnaid mat rehkenastet gaskameari, spiehkastaga, maksimuma, minimuma ja sullasaš, muhto mii sáhttit maid geavahit sisahuksejuvvon funkšuvnnaid pylab-bibliotehkas. Galget go oahppit ráhkadit dákkáriid ieža, lea dan duohken mii oahpahusa mihttomearri lea dihto dilis. Jus mii hálidit álkis vugiin gávnnahit gaskameari ja maksimumaárvvu, de sáhttit čállit čuovvovačča:

gaskamearri= mean(CO2_NOR)
maks = max(CO2_NOR)

Sáhttá leat olu oahppat das go ieš ráhkada funkšuvnnaid.

[udir-task]

Reflekšuvdnagažaldagat

Guđeládje sáhttibehtet geavahit duohtadili dataid plottemiin dahkat luonddufága relevántan ohppiide?
Guđeládje sáhttibehtet geavahit stuora datačoahkiid bargat oahppoplána (LK20) fágaidrasttideaddji fáttáiguin?

[udir-law]

Ovdamearkkat gelbbolašvuođa mihttomeriin

Oahpahusa mihttu lea ahte oahppit galget máhttit

Suokkardit iešválljen čuolmma mii lea čadnon oahppoprográmmii, ovdanbuktit gávdnosiid ja ákkastallat metodaid válljema
Árvvoštallat ja ráhkadit prográmmaid mat modellerejit luonddufágalaš fenomenaid

[udir-task]

Arbeid i par.

20 min

[udir-info]

Det er viktig å være klar over at datasett vi finner på internett, kan komme i ulike formater. Det kan være lurt å rydde litt opp i dataene før vi leser inn filene, fremfor å lage en komplisert kode for innlesing i Python. Det er også lurt å skrive ut dataene med print() og for eksempel sjekke første og siste verdi for å se at vi har lest inn filen riktig.

NB: Denne aktiviteten likner på en aktivitet i matematikkmodulen. Hvis du har gjennomgått matematikkmodulen allerede, kan du gjerne bruke kortere tid på denne aktiviteten.

Visualisering og behandling av reelle data

Det finnes mange verktøy som kan brukes til å lese og behandle store og små datasett. Grafiske grensesnitt som Excel er svært gode verktøy og kan i tillegg programmeres. Slike grensesnitt kan være greie å bruke til enkel avlesning og utregning. Det finnes derimot en del fordeler med å investere litt tid i å bruke ikke-grafiske programmeringsspråk som Python:

Python leser større filer mye raskere enn grafiske programmer.
Dere har full kontroll på hva som skjer, hvilket format dataene er i og hvordan dataene behandles.
Dere kan bruke dataene direkte i modellering og simuleringer.
Dere har større kontroll på plotting og dataframstilling.
Python har i økende grad blitt standarden i studier og arbeidsliv til datahåndtering og statistiske beregninger.

Videoen nedenfor viser hvordan dere på enklest mulig måte kan lese av tekstfiler med Python. Husk at filene må være i råtekst.

[udir-reveal]

Hva er råtekstfiler?

Råtekstfiler er filer uten formatering, for eksempel filer av typen .txt eller .csv. I kommadelte filer av typen csv (comma separated values) er dataene atskilt med enten komma eller semikolon. I txt-filer kan også skilletegnet være tomrom eller andre tegn. Vi kan spesifisere hvilket skilletegn datasettet har når vi leser filen i programmet vårt.

Lese filer med Python from Utdanningsdirektoratet on Vimeo .

Internett er naturlig nok en god kilde til store datasett, men det finnes også mange måter å samle inn data på selv. Både smarttelefoner og sensorer som kan kobles på for eksempel micro:bit , har gjort det mulig å gjøre datainnsamling i klasserommet. Mikrokontrollere og sensorer vi er kjent med i naturfag, produserer som regel data i råtekstformat.

Her skal vi se på to litt mindre datasett for å øve oss på det grunnleggende.

Dersom dere bruker en installert editor på datamaskinen, bør dere laste ned filene og legge den i samme mappe som programmet deres. Trinket-editoren på denne siden har allerede tekstfilene integrert.

Oppgave: plotting av klimadata

Vi har startet på et program for dere, men dere skal fullføre programmet slik at vi kan se data fra både Norge og India.

Ta utgangspunkt i programmet nedenfor og utvid det slik at det leser av filen CO2_India.txt og legger dataene i to arrayer:
- en array for årstall
- en array for mengden CO ₂ som er frigitt et gitt år i India

[udir-general]

Datasettene har et skilletegn. Dere ser at antall år og mengden CO ₂ er atskilt med et komma. Vi må gi beskjed til loadtxt at dette er et skilletegn («delimiter»). Det kan vi gjøre ved å skrive

data = loadtxt("CO2_Norge.txt", skiprows = 1, delimiter = ",")

Plott mengden CO ₂ som funksjon av årstall for både Norge og India. Legg på aksetitler og pynt plottet slik dere selv ønsker. Dersom du allerede er kjent med plotting, kan du starte med et blankt editor-vindu. Hvis du er usikker på fillesing med Python, kan du ta utgangspunkt i Trinket-vinduet nedenfor.
Studer og beskriv plottene.
Kan du ved hjelp av datasettet finne gjennomsnittlig og maksimalt utslipp?

[udir-reveal]

Nyttige plottekommandoer

plot(x,y)         # plotter x mot y og trekker rette linjer mellom
scatter(x,y)      # plotter punktene
show()            # viser plottet
title('tittel')   # tittel på plottet
xlabel('tekst')   # x-aksetittel
ylabel('tekst')   # y-aksetittel
xlim(fra, til)    # definisjonsmengde
ylim(fra, til)    # verdimengde
grid()            # rutenett på

axhline(y=0, color='black') # x-akse
axvline(x=0, color='black') # y-akse

[udir-reveal]

Løsningsforslag til lesing og plotting av datasettet

from pylab import *

# Data fra Norge
data_NOR = loadtxt("CO2_Norge.txt", skiprows = 1, delimiter = ",")
år_NOR = data_NOR[:,0]
CO2_NOR = data_NOR[:,1]

# Data fra India
data_IND = loadtxt("CO2_India.txt", skiprows = 1, delimiter = ",")
år_IND = data_IND[:,0]
CO2_IND = data_IND[:,1]

plot(år_NOR, CO2_NOR, label = "Norge", color = "firebrick")
plot(år_IND, CO2_IND, label = "India", color = "seagreen")
title("Årlig utslipp av CO2")
xlabel("År")
ylabel("Tonn CO2 per innbygger")
legend()

[udir-reveal]

Løsningsforslag til utforsking av datasettet

Vi kan enten lage egne funksjoner som beregner gjennomsnitt, avvik, maksimum, minimum og liknende, eller vi kan bruke innebygde funksjoner fra pylab-biblioteket. Om elevene skal lage slike ting selv eller ikke, kommer an på målet med undervisningen i den gitte situasjonen. Dersom vi enkelt vil finne gjennomsnittet og maksverdien, kan vi skrive følgende:

snitt = mean(CO2_NOR)
maks = max(CO2_NOR)

Det kan derimot ligge mye læring i å lage funksjonene selv.

[udir-task]

Refleksjonsspørsmål

Hvordan kan dere bruke plotting av reelle data til å gjøre naturfaget relevant for elevene?
Hvordan kan dere bruke store datasett til å jobbe med de tverrfaglige temaene i læreplanen (LK20)?

[udir-law]

Eksempler på aktuelle kompetansemål

Mål for opplæringen er at eleven skal kunne

utforske en selvvalgt naturfaglig problemstilling, presentere funn og argumentere for valg av metoder
vurdere og lage programmer som modellerer naturfaglige fenomener