Ćwiczenie 0: Sprawdź swoje środowisko¶

import sys

wersja = sys.version_info
print(f"Twoja wersja Pythona: {wersja.major}.{wersja.minor}.{wersja.micro}")
print(f"Interpreter: {sys.executable}")
print()

if (wersja.major, wersja.minor) >= (3, 10):
    print("[OK] Wersja Pythona jest wystarczająca.")
else:
    print("[BŁĄD] Potrzebujesz Pythona 3.10 lub nowszego.")
    print("       Zainstaluj nowszą wersję zgodnie z instrukcją w 00_INSTALACJA.md.")

wymagane = {
    "numpy":        "obliczenia na tablicach liczb",
    "pandas":       "wczytywanie i obróbka danych tabelarycznych",
    "matplotlib":   "wykresy",
    "sklearn":      "modele uczenia maszynowego (pakiet scikit-learn)",
    "joblib":       "zapis modelu do pliku (ćwiczenie 10)",
}

import importlib

braki = []
for nazwa, opis in wymagane.items():
    try:
        modul = importlib.import_module(nazwa)
        wersja = getattr(modul, "__version__", "wersja nieznana")
        print(f"[OK]    {nazwa:12s} {wersja:10s}  - {opis}")
    except ImportError:
        print(f"[BŁĄD]  {nazwa:12s} {'BRAK':10s}  - {opis}")
        braki.append(nazwa)

print()
if braki:
    print("Brakuje pakietów:", ", ".join(braki))
    print("Uruchom w terminalu (przy aktywnym środowisku):")
    print("    pip install -r requirements.txt")
else:
    print("[OK] Wszystkie wymagane pakiety są zainstalowane.")

import os
import pandas as pd

print("Katalog roboczy notatnika:", os.getcwd())
print()

sciezka = "dane/diabetes.csv"

if os.path.exists(sciezka):
    dane = pd.read_csv(sciezka)
    print(f"[OK] Wczytano dane: {dane.shape[0]} wierszy, {dane.shape[1]} kolumn.")
    print()
    print("Kolumny:", ", ".join(dane.columns))
else:
    print(f"[BŁĄD] Nie znaleziono pliku: {sciezka}")
    print("       JupyterLab musi być uruchomiony z katalogu 'cwiczenia-ml'.")
    print("       Zamknij go (Ctrl+C w terminalu), przejdź do właściwego katalogu")
    print("       poleceniem 'cd', i uruchom 'jupyter lab' ponownie.")

import matplotlib.pyplot as plt

if os.path.exists(sciezka):
    liczebnosc = dane["Diabetic"].value_counts().sort_index()

    fig, ax = plt.subplots(figsize=(5, 3.5))
    ax.bar(["brak cukrzycy", "cukrzyca"], liczebnosc.values, color=["#4C72B0", "#C44E52"])
    ax.set_ylabel("liczba pacjentów")
    ax.set_title("Rozkład klas w zbiorze diabetes")
    for i, v in enumerate(liczebnosc.values):
        ax.text(i, v, f"{v}\n({v / len(dane):.1%})", ha="center", va="bottom")
    ax.set_ylim(0, liczebnosc.max() * 1.18)
    plt.tight_layout()
    plt.show()

    print("[OK] Jeśli widzisz wykres powyżej - matplotlib działa poprawnie.")
else:
    print("[POMINIĘTO] Najpierw napraw dostęp do danych (punkt 3).")

from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier

if os.path.exists(sciezka):
    X = dane.drop(columns=["PatientID", "Diabetic"])
    y = dane["Diabetic"]

    X_ucz, X_test, y_ucz, y_test = train_test_split(
        X, y, test_size=0.2, stratify=y, random_state=42
    )

    model = DecisionTreeClassifier(max_depth=3, random_state=42)
    model.fit(X_ucz, y_ucz)

    print(f"[OK] Model wytrenowany. Skuteczność na zbiorze testowym: {model.score(X_test, y_test):.1%}")
    print()
    print("Nie przejmuj się teraz tą liczbą - co ona znaczy i czy jest dobra,")
    print("wyjaśnimy w ćwiczeniu 01.")
else:
    print("[POMINIĘTO] Najpierw napraw dostęp do danych (punkt 3).")

wszystko_ok = (
    (sys.version_info.major, sys.version_info.minor) >= (3, 10)
    and not braki
    and os.path.exists(sciezka)
)

print("=" * 58)
if wszystko_ok:
    print("  ŚRODOWISKO GOTOWE")
    print("=" * 58)
    print()
    print("  Możesz przejść do ćwiczenia 01_pierwszy_model.ipynb")
else:
    print("  ŚRODOWISKO WYMAGA POPRAWEK")
    print("=" * 58)
    print()
    print("  Przejrzyj komunikaty [BŁĄD] powyżej i zajrzyj do 00_INSTALACJA.md.")
    print("  Zgłoś problem prowadzącemu PRZED zajęciami.")
print()