A _
C2184 Uvod do programování v Pythonu
Ukázka závěrečného testu
Úkolem tohoto testu je napsat skript pro zpracování souboru molekul a výstupů z Gaussianu.
1. Ze studijních materiálu si stáhněte dataset_pka.zip. Soubor můžete rozbalit pomocí libovolného nástroje, pokud použijete knihovnu v Pythonu, získate bonusové body.
2. Složka obsahuje dva typy souborů: *. sdf soubory obsahují informace o molekule (vaším úkolem je extrahovat hodnoty pKa) a soubory *. log, které obsahují informace o nábojích a vaším cílem je vyextrahovat maximální náboj na vodíku (H).
pKa:
> <E_NAME> NSC 3
> <PKA>
> <E_STEREO_SPECIFIED> no_stereocenter
q(max,H):
Mulliken charges: 1
1	F	-0.	,283823
2	C	-0.	, 167968
3	C	0.	,297777
4	C	-0.	,204856
5	C	0.	,289886
6	C	0.	,406838
7	C	-0.	,246716
8	N	0.	,358053
9	0	-0.	,380521
10	0	-0.	,397823
11	0	-0.	,616303
12	H	0.	,191590
13	H	0.	,163136
14	H	0.	, 168775
15	H	0.	,421955
Sum of Mulliken charges = 0.00000 3. Spočítejte korelaci mezi pKa (y) a q(max,H) (x) podle
r =       e {xj - x) (yl - y)
_ \/e fa -xf -eo/i -yf)
1x ... průměr hodnot x, obdobně y
1
4. Vypočíjte lineární regresi mezi pKa (y) a q(max,H) (x) podle2
y = ax + b
(2)
(3)
(4)
5. Pomocí parametru přímky a, b predikujte novou hodnotu pKa (predPKA) a vypočítejte RMSE podle
ej = pKa^ — predPKA^ RMSE =
1
n
6. Výsledky uložte do csv souboru s touto hlavičkou: Molecule;q(max,H);pKa;predPKA;e Hodnotící tabulka:
(5)
(6)
	max.	Hodnocení
Celková funkčnost		
Práce se soubory (čtení+zápis)	7+7	
Extrakce dat	10	
Analýza dat	10	
Obecné aspekty		
Vhodné použití komentářů	10	
Vhodné použití výjimek (hodnoceny max. 2 výskyty)	7+7	
Styl kódu a znovupoužitelnost3	12	
Bonusy		
Celkem	70	
2n ... počet prvků
3přehlednost kódu, srozumitelnost proměnných, nutnost upravovat kód pro jiný datový set, získávání informací od uživatele, ...
2