↑↑↓↓←→←→ⒷⒶ Войти !bnw Сегодня Клубы
Привет, TbI — HRWKA! 1252.0 пользователей не могут ошибаться!
?7017
прекрасное6456
говно5930
говнорашка5513
хуита4741
anime3079
linux2670
music2648
bnw2607
рашка2590
log2379
ололо2274
дунч1892
pic1816
сталирасты1494
bnw_ppl1461
быдло1441
украина1439
дыбр1239
гімно1158

@je
Рекомендую для выбора съемного жилья заюзать google maps api distance matrix. У меня, например, собран список более менее рандомных мест, в которые я могу ходить. Я считаю с помощью google maps api, сколько из разных потенциальных жилищ я буду в среднем времени тратить в пути (либо с коэффициентами, например огромный коэффициент для места работы и маленький для любимого наркопритона, либо поровну) и строю таблицу для всех потенциальных квартир:

  • велосипедом

  • общественный транспорт, меньше всего пересадок (самый нормальный режим для гугл мапс по Москве)

  • только метро, мцк и поезда, потому что наземный транспорт в Москве слишком рандомно ходит

Код, который придется почитать, чтобы как-нибудь использовать. Строит таблички со среднем временем в пути в месяц для каждой квартиры и это же время, конвертированное в рубли (умноженное на константу)

#!/usr/bin/env python3
import pandas as pd
import googlemaps
import pytz

from collections import namedtuple
from pprint import pprint
from itertools import chain, repeat
from datetime import datetime, tzinfo
from functools import partial

gmaps = googlemaps.Client(key='AREDACTEDREDACTEDREDACTED')

# ЗАПОЛНИТЬ: сюда следует ввести адреса потенциальных мест, где я буду жить
# каждое значение может быть либо строкой с адресом, либо GPS координатами
home_addresses = [
    "Россия, Москва, ул. Усачева, 29к3",
    "Россия, Москва, ул. Беговая, 17к1",
    "Россия, Москва, Коптевская ул., 83к2",
    "Россия, Москва, ул. Степана Супруна, 3-5",
    "Россия, Москва, Новокузнецкая ул., 13/15",
    "Россия, Москва, Бутырская ул., 86Б",
    "Россия, Москва, ул. Правды, 6/34",
    "Россия, Москва,  ул. Зои и Александра Космодемьянских, 11А",
    "Россия, Москва, Ленинградский просп., 78К1",
    "Россия, Москва, Новокузнецкая ул., 13С1",
    "Россия, Москва, Севастопольский просп., 5АК1",
    "Россия, Москва, ул. 1812 года, 4/45К2",
    "Россия, Москва, Светлый проезд, 4К4",
    "Россия, Москва, Делегатская ул., 14/2",
    "Россия, Москва, ул. Маршала Рыбалко, 3",
]


# In[31]:

# ЗАПОЛНИТЬ: сюда следует ввести пары вида: 
# (адрес часто посещаемого места, период как часто вы будете добираться туда-обратно между домом и этим местом)
#
# первое значение может быть либо строкой с адресом, либо GPS координатами
#
# если второе значение например 8, это значит,
# что раз в 8 дней я езжу туда и обратно домой.
# если у вас есть место, куда вы ездите раз в 7 дней, но оттуда
# всегда едете еще куда-то, то ставьте значение 14

favorite_places = [
    ("Россия, Москва, ул. Кузнецкий Мост, 13"),  # habimoshka
    ("Россия, Москва, ул.Большая Дорогомиловская, д.5 к.2"),  # кочерга
    ("Россия, Москва, Хохловский пер, 7/9 стр 2"),  # neuron hackspace
    ("Россия, Москва, Бобров пер. 6 стр. 1, 2"),  # библиотека тургенева
    ("Россия, Москва, Милютинский пер., 19/4, стр.1"),  # зеленая дверь
    ("Россия, Москва, шелапутинский переулок, д. 6"), # swing-in-moscow
    ((55.737924, 37.620204)), # рандомный дом в центре
    ("Россия, Москва, Ленинградское шоссе, 39Ас3"), # рандомная потенциальная работа - касперский
    ("Россия, Москва, Кожевническая улица, 7"), # рандомная работа
    ("Россия, Москва, Нижний Сусальный переулок, 5с19"), # рандомная работа
    ("Россия, Москва, ул. Волочаевская, д. 5, корп. 1"), # рандомная работа - крок
    ("Россия, Москва, ул. Летниковская, 10, стр. 5"), # рандомная работа
    ("Россия, Москва, Лесная улица, 7"), # рандомная работа - авито
    ("Россия, Москва, пр-т Андропова, д. 18, корп. 1"), # рандомная работа
    ("Россия, Москва, Дмитровское шоссе, 157с5"), # рандомная работа
    ("Россия, Москва, Трубная улица, 23-2"), # ранд работа
    ("Россия, Москва, Никопольская улица, 4"), # рандом работа
    ("Россия, Москва, улица Ленинская Слобода, 19"), # рандомная работа
    "Москва, ул. Малая Юшуньская, д. 1 к2",  # locus solus
    "Москва, метро Римская",  # предел
    "Москва, Образцова, 14"  # msds
]
favorite_places = list(zip(
    favorite_places,
    repeat(len(favorite_places) / (2 * 4.5 / 7))))


def calc_avg_travel(home_addresses, favorite_places,
                    how: str, depart_when: datetime):
    request_funcs = {
        "bike": partial(gmaps.distance_matrix, mode="bicycling"),
        "car": partial(gmaps.distance_matrix, mode="driving"),
        "walking": partial(gmaps.distance_matrix, mode="walking"),
        "subway_train": partial(
            gmaps.distance_matrix, mode="transit",
            transit_mode=["subway", "train"],
            transit_routing_preference="fewer_transfers"),
        "public_transport": partial(
            gmaps.distance_matrix, mode="transit",
            transit_routing_preference="fewer_transfers")}
    assert how in request_funcs.keys()
    favorite_places = [{"location": location, "period_in_days": period_in_days}
                       for location, period_in_days in favorite_places]
    location_col = []
    duration_col = []
    home_address_col = []
    period_in_days_col = []
    for home in home_addresses:
        result = request_funcs[how](
            [home], [place["location"] for place in favorite_places],
            departure_time=depart_when)
        assert result["status"] == "OK"
        assert len(result["destination_addresses"]) == len(favorite_places)
        assert len(result["origin_addresses"]) == 1

        location_col += result["destination_addresses"]
        duration_col += [record["duration"]["value"] for record in result["rows"][0]["elements"]
                         if record["status"] == "OK"]
        home_address_col += [result["origin_addresses"][0]] * len(result["destination_addresses"])
        period_in_days_col += [place["period_in_days"] for place in favorite_places]

    data = pd.DataFrame({
        "location": location_col, "duration": duration_col,
        "home_address": home_address_col, "period_in_days": period_in_days_col
    })

    data["duration_per_day"] = data.duration / data.period_in_days
    return data

DEPARTURE_TIME = datetime(2017, 9, 5, 12, 0, tzinfo=pytz.utc) # сейчас указано в UTC. Москва это UTC+3

# a dumb test, kinda
def test_gmaps_api():
    home_addresses = [
        "Россия, Москва, Коптевская ул., 83к2",
        "Россия, Москва, ул. Степана Супруна, 3-5"
    ]
    destination_addresses = zip(home_addresses, [1, 3])
    data = calc_avg_travel(home_addresses, destination_addresses,
                           "public_transport", DEPARTURE_TIME)
    print(data)
    durations = data["duration"]
    assert durations.iloc[0] == 0
    assert durations.iloc[1] != 0
    assert durations.iloc[2] != 0
    assert durations.iloc[3] == 0

test_gmaps_api() # yeah it works


data = calc_avg_travel(home_addresses, favorite_places,
                       "subway_train", DEPARTURE_TIME)


unique_home_addresses = pd.DataFrame(pd.Series(data["home_address"].unique()).rename("address_by_google"))
unique_home_addresses["input_home_address"] = home_addresses
print(unique_home_addresses)
# ВАЖНО: проверьте в этой табличке, что в колонке address_by_google стоит адрес,
# понятый гуглом правильно (изначальные адреса - в колонке input_home_address)


# In[62]:

unique_destination_addresses = pd.DataFrame(pd.Series(data["location"].unique()).rename("address_by_google"))
unique_destination_addresses["input_favorite_place"] = [str(pair[0]) for pair in favorite_places]
print(unique_destination_addresses)
# ВАЖНО: проверьте в этой табличке, что в колонке address_by_google стоит адрес,
# понятый гуглом правильно (изначальные адреса - в колонке input_favorite_place)


# In[63]:

print(data.head())
print(data.tail())
# ЗАМЕЧАНИЕ: здесь будут просто показаны конец и начало получившейся таблицы
# Если не лень, можете посмотреть, чтобы каких-то неадекватных значений не было
# duration - время чтобы добраться от места до места в секундах
# period_in_days - тот самый указанный выше период в днях
# duration_per_day - кол-во секунд в день


# In[64]:

# calculate travel time per day for each home address

travel_times_per_day_per_home = pd.DataFrame(
    (data.groupby("home_address")["duration_per_day"].sum() / 60)
    .rename("minutes_of_travel_per_day")
).sort_values(by="minutes_of_travel_per_day")
print(travel_times_per_day_per_home)
# ВАЖНО: это финальный результат
# для каждого адреса квартиры в другой колонке будет указано кол-во минут, затрачиваемых на дорогу, в день
# адреса будут отсортированы от самых выгодных по времени в дороге до самых невыгодных


# In[65]:

COST_PER_HOUR = 340  # RUR
costs = travel_times_per_day_per_home     .assign(hours_per_month=lambda df: (df["minutes_of_travel_per_day"] * 30.5 / 60).round(1))     .assign(converted_rur_per_month=lambda df: df["hours_per_month"] * COST_PER_HOUR)

print(costs)
#UVGF8R (19+6) / @cat-o-nine-tails / 3368 дней назад
Фантастика становится ближе: https://pp.userapi.com/c638023/v638023221/54642/vqTbkNtdfhc.jpg
#218OXD (0+1) / @o01eg / 3368 дней назад
Только Американская оккупация спасёт Родину! https://reed.media/no-vpn-russia/ "Роскомнадзор будет блокировать VPN-сервисы и анонимайзеры за три дня, сообщается в проекте приказа об исполнении закона. Согласно документу, первый день ведомство потратит на проверку возможности подключения к запрещённым сайтам через исследуемые сервисы, а ещё два — на принятие решений о необходимости ограничений. Для участия в проверке сервисы обязаны будут подключиться к специально созданной системе Роскомнадзора. Также они должны будут предоставить регулятору сетевой адрес, логины и пароли доступа к ресурсу и информацию о его владельце. Как пояснил руководитель проекта «Роскомсвобода» Артём Козлюк, документ не предполагает общения представителей Роскомнадзора и потенциально блокируемых сервисов. Также Козлюк добавил, что в приказе не определена процедура оповещения анонимайзеров о новых блокировках. Таким образом сервисы могут сами попасть под блокировку, поскольку могут не знать об ограничении доступа к некоторым ресурсам даже после подключения к системе Роскомнадзора. Закон о запрете VPN-сервисов и анонимайзеров был принят Госдумой 21 июля. Согласно требованиям закона, сервисы могут быть заблокированы в РФ, если их уличат в предоставлении доступа к запрещенной в России информации. Выявлять нарушения будут ФСБ и МВД."
#KZ1SHP (0+1) / @o01eg / 3368 дней назад
у меня есть полторы тыщи рублей, стоит ли вкалыдваться в доллар теперь?
#L3LRHV (5+1) / @anonymous / 3368 дней назад
888 – бог внутри каждого из нас. Встреча с этим числом означает послание от подсознания. Вспомни о своем божественном происхождении. Если у вас возникает вопрос как поступить, по совести или попытаться договориться с ней, и вы встречаете число 888, это является подсказкой, что не надо так делать. А если в ответственный момент вам не встречается это число, есть повод задуматься, а не отвернулись ли от вас леги и арлеги или ангелы и архангелы.
#XOWETY (0) / @anonymous / 3368 дней назад
#5HKWUD (8+2) / @figli / 3368 дней назад
манька следующий
#JXQ6PT (0) / @figli / 3368 дней назад
Выкинул на хуй весь комплюктор. Не представляю ситуации, чтобы мне когда-нибудь понадобилось это говно.
#E8YJ8Z (6+2) / @anonymous / 3368 дней назад
Выкинул на хуй весь жс с комплюктора. Не представляю ситуации, чтобы мне когда-нибудь понадобилось это говно
#7QGHOU (0) / @figli / 3368 дней назад
Выкинул на хуй весь LaTeX с комплюктора. Не представляю ситуации, чтобы мне когда-нибудь понадобилось верстать кучу текста для БУМАГИ блять.
#HY9ZPY (9) / @komar / 3368 дней назад
#J177YD (1) / @figli / 3368 дней назад
btc
In case of extreme fall, the support area is 2150-2700 USD.
#WLL0J4 (1) / @anonymous / 3368 дней назад
>ЦБ объявил о санации ФК «Открытие» пизда ру(б)лю.
#PA2TJQ (0) / @anonymous / 3368 дней назад
btc
Ну что, 5000$ пробьет?
#BM7FRA (0) / @anonymous / 3368 дней назад
Я милого узнаю по тернарочке
#2TMBMT (3) / @mugiseyebrows / 3368 дней назад
<greenbastad> °.°: там нет никакой автоматики <greenbastad> там префектная машина для массовых убийств жалкого белка <greenbastad> состоящая из огромных зубчатых колес и мотора в несколько сотен квт <greenbastad> и единственое что может обуздать этого зверя - это бабка с кнопкой
#M4GHKX (3+2) / @komar / 3368 дней назад
https://www.youtube.com/watch?v=opNkZR-vUrA >я не буду чинить эту хуйню и не буду заставлять моих работников вспомнил как подрабатывал в детстве ремонтом магнитофонов слепых. можете догадываться как живут слепые в рашке. главными и единственными развлечением для большинства являются аудиокниги и сигареты. до сих пор помню этот пиздотный запах никотивых тараканьих трупов.
#XURVAJ (0) / @anonymous / 3368 дней назад
--
ipv6 ready BnW для ведрофона BnW на Реформале Викивач Котятки

Цоперайт © 2010-2016 @stiletto.