Zadanie 7
Matura z informatyki, maj 2024, poziom rozszerzony
Wymaganie: III. Posługiwanie się komputerem, urządzeniami cyfrowymi i sieciami komputerowymi — przetwarzanie danych w arkuszu kalkulacyjnym lub bazie danych; IV. Rozwiązywanie problemów z wykorzystaniem komputera — agregacje, grupowanie, wizualizacja danych.
Treść zadania
Zadanie 7. Hurtownia
Pewna hurtownia sprzedaje jabłka. W pliku jablka.txt znajduje się 2500 wierszy z danymi dotyczącymi sprzedaży jabłek od 3 stycznia 2022 roku do 31 grudnia 2022 roku. W każdym wierszu podane są dane opisujące jedną transakcję sprzedaży, oddzielone pojedynczymi znakami tabulacji:
- data sprzedaży zapisana w formacie rrrr-mm-dd
- nazwa odmiany jabłka
- kod, który określa, czy odmiana jest: L — letnia, J — jesienna czy Z — zimowa
- numer NIP klienta (13-znakowy tekst)
- liczba kilogramów sprzedanego towaru.
Fragment pliku jablka.txt:
2022-01-03 Jonagold Z 128-29-15-591 470
2022-01-03 Jonagold Z 192-09-72-275 410
2022-01-03 Jonagored Z 140-36-11-559 242
Cena sprzedaży jednego kilograma jabłek zależy od odmiany jabłek. W pliku cennik.txt jest podana cena w złotych 1 kg jabłek każdej odmiany.
Fragment pliku cennik.txt:
Alwa 2,9
Antonowka 3,2
Cortland 3,2
Zadanie 7.1. (0–2) Dla każdego klienta policz, ile kupił on łącznie (we wszystkich swoich transakcjach) kilogramów jabłek odmian zimowych. Podaj numery NIP trzech klientów, którzy kupili najwięcej jabłek odmian zimowych (Z), oraz podaj dla każdego z nich liczbę kilogramów jabłek odmian zimowych przez nich kupionych.
Zadanie 7.2. (0–2) Przychód z pojedynczej sprzedaży to cena sprzedaży jednego kilograma jabłek pomnożona przez liczbę kilogramów. Podaj całkowity przychód hurtowni uzyskany w całym okresie. Podaj również odmiany jabłek, która dała największy przychód.
Zadanie 7.3. (0–3) Wykonaj zestawienie, w którym dla każdego miesiąca roku 2022 podasz nazwę najbardziej popularnej odmiany w tym miesiącu, czyli takiej, której w danym miesiącu sprzedano najwięcej. Na podstawie wykonanego zestawienia utwórz wykres kolumnowy ilustrujący wielkości sprzedaży najpopularniejszych odmian jabłek w poszczególnych miesiącach. Pamiętaj o czytelnym opisie wykresu — na osi X umieść daty kolejnych miesięcy, oś Y odpowiada wielkości sprzedaży najbardziej popularnej odmiany w tym miesiącu, dodaj opis osi Y i tytuł wykresu.
Zadanie 7.4. (0–3) Hurtownia ma system premiowania klientów hurtowych. Klient otrzymuje przy zakupie rabat, którego wysokość zależy od łącznej ilości jabłek zakupionych do tej pory przez tego klienta, wliczając w to jabłka zakupione w bieżącej transakcji. Wysokość rabatu za każdy kilogram w bieżącej transakcji wynosi:
- 5 gr, jeśli klient dotychczas zakupił co najwyżej 15 000 kg, ale mniej niż 20 000 kg,
- 10 gr, jeśli klient dotychczas zakupił co najmniej 20 000 kg.
Podaj, w tej kolejności (dla 3 klientów z najwyższymi łącznymi wartościami rabatów): imię + NIP klienta, wartość rabatu.
Źródło: arkusz CKE MINP-R0-100-2405. Otwórz oryginalny PDF
Rozwiązanie
Najwygodniej rozwiązać arkuszem kalkulacyjnym lub Pythonem z pandas.
Załadowanie danych (Python):
import pandas as pd
jablka = pd.read_csv("jablka.txt", sep="\t", header=None,
names=["data","odmiana","kod","nip","kg"])
jablka["data"] = pd.to_datetime(jablka["data"])
cennik = pd.read_csv("cennik.txt", sep="\t", header=None,
names=["odmiana","cena"])
cennik["cena"] = cennik["cena"].str.replace(",", ".").astype(float)
7.1. Top-3 klientów wg sumy kg odmian zimowych:
zimowe = jablka[jablka["kod"] == "Z"]
top3 = zimowe.groupby("nip")["kg"].sum().sort_values(ascending=False).head(3)
print(top3)
7.2. Przychód całkowity i odmiana z najwyższym przychodem:
d = jablka.merge(cennik, on="odmiana")
d["przychod"] = d["kg"] * d["cena"]
print(f"Całkowity przychód: {d['przychod'].sum():.2f} zł")
print(d.groupby("odmiana")["przychod"].sum().idxmax(),
d.groupby("odmiana")["przychod"].sum().max())
7.3. Najpopularniejsza odmiana w każdym miesiącu + wykres:
jablka["miesiac"] = jablka["data"].dt.to_period("M")
pop = (jablka.groupby(["miesiac","odmiana"])["kg"].sum()
.reset_index()
.sort_values(["miesiac","kg"], ascending=[True,False])
.drop_duplicates("miesiac"))
print(pop[["miesiac","odmiana","kg"]])
import matplotlib.pyplot as plt
plt.bar(pop["miesiac"].astype(str), pop["kg"])
plt.xlabel("Miesiąc 2022")
plt.ylabel("Sprzedaż najpopularniejszej odmiany [kg]")
plt.title("Najpopularniejsze odmiany jabłek 2022")
plt.xticks(rotation=45)
plt.tight_layout()
plt.savefig("wykres_7_3.png", dpi=150)
7.4. Rabat naliczamy iteracyjnie — dla każdej transakcji sprawdzamy stan zakupów klienta do tej pory włącznie z tą transakcją:
jablka_s = jablka.sort_values("data").reset_index(drop=True)
laczne = {} # nip -> kg dotychczas
rabat = {} # nip -> łączna kwota rabatu w zł
for _, r in jablka_s.iterrows():
nip, kg = r["nip"], r["kg"]
nowy = laczne.get(nip, 0) + kg
laczne[nip] = nowy
if nowy >= 20000:
stawka = 0.10
elif nowy >= 15000:
stawka = 0.05
else:
stawka = 0.0
rabat[nip] = rabat.get(nip, 0) + kg * stawka
top3 = sorted(rabat.items(), key=lambda x: -x[1])[:3]
for nip, kwota in top3:
print(nip, round(kwota, 2))
Wyniki konkretne (zależne od danych w pliku) zapisujemy do wyniki7.txt, poprzedzając każdą sekcję numerem zadania (7.1, 7.2, 7.3, 7.4).
Najczęstsze błędy: (1) w 7.2 — czytanie cen jako stringów z przecinkiem (PL) i zapominanie o zamianie na kropkę → string concatenation zamiast iloczynu; (2) w 7.3 — wybór odmiany "popularnej" wagowo (suma kg), nie liczbowo (liczba transakcji) — treść CKE mówi „której najwięcej sprzedano" = kg; (3) w 7.4 najczęściej myli się próg rabatu: zdanie „wliczając w to jabłka zakupione w bieżącej transakcji" znaczy, że stan po dodaniu bieżących kg decyduje o stawce; (4) brakuje sortowania chronologicznego transakcji przed naliczaniem rabatu.
Strona arkusza CKE z treścią zadania
Rozwiązanie
Zadanie “hurtownia jabłek” to klasyczna analiza danych — w arkuszu (Excel/LibreOffice/Google Sheets) lub w Pythonie z pandas. SQL też się sprawdzi.
Wersja SQL (gdy zaimportujemy oba pliki jako tabele jablka i cennik):
-- 7.1. Top-3 klientów wg kg odmian zimowych
SELECT nip, SUM(kg) AS suma
FROM jablka
WHERE kod = 'Z'
GROUP BY nip
ORDER BY suma DESC
LIMIT 3;
-- 7.2. Całkowity przychód + odmiana z najwyższym przychodem
SELECT SUM(j.kg * c.cena) AS przychod_calkowity
FROM jablka j JOIN cennik c USING (odmiana);
SELECT j.odmiana, SUM(j.kg * c.cena) AS przychod
FROM jablka j JOIN cennik c USING (odmiana)
GROUP BY j.odmiana
ORDER BY przychod DESC
LIMIT 1;
-- 7.3. Najpopularniejsza odmiana w każdym miesiącu
SELECT miesiac, odmiana, suma_kg
FROM (
SELECT strftime('%Y-%m', data) AS miesiac, odmiana, SUM(kg) AS suma_kg,
RANK() OVER (PARTITION BY strftime('%Y-%m', data) ORDER BY SUM(kg) DESC) AS r
FROM jablka GROUP BY miesiac, odmiana
) WHERE r = 1
ORDER BY miesiac;Zadanie 7.4 wymaga stanu kumulowanego klienta — w czystym SQL przez window functions z SUM(kg) OVER (PARTITION BY nip ORDER BY data, rowid). W praktyce na maturze najwygodniej rozwiązać 7.4 w Pythonie lub VBA.
Rozumiesz, jak to rozwiązać?
Przećwicz podobne typy zadań w aplikacji
matury-online.pl ma tysiące zadań pogrupowanych po dziedzinach. Sprawdź, czy temat „analiza danych, arkusz kalkulacyjny, SQL, agregacja, wykres, rabat" zrobisz samodzielnie.
Otwórz matury-online.pl