{"id":"informatyka-2017-maj-matura-rozszerzona/zad/4.3","paper_id":"informatyka-2017-maj-matura-rozszerzona","number":"4.3","points":3,"ptype":"open","subject":"informatyka","category":"matura","year":2017,"month":"maj","level":"rozszerzona","text":"Kontekst - patrz zadanie 4.1.\n\nWykonaj i podaj zestawienie ilości sprzedanego cukru w kolejnych latach, od roku 2005 do roku 2014 włącznie. Następnie utwórz wykres liniowy ilustrujący sprzedaż cukru w kolejnych latach w podanym okresie. Wyskaluj oś pionową co 5000 kg. Pamiętaj o czytelnym opisie wykresu (tytuł i opis osi).","answer":null,"answer_text":null,"solution":"## Poprawna odpowiedź\n\n**Zestawienie ilości sprzedanego cukru:**\n\n| Rok | Sprzedaż (kg) |\n| 2005 | 27 016 |\n| 2006 | 27 226 |\n| 2007 | 31 720 |\n| 2008 | 36 523 |\n| 2009 | 30 764 |\n| 2010 | 32 521 |\n| 2011 | 23 778 |\n| 2012 | 26 976 |\n| 2013 | 28 419 |\n| 2014 | 35 284 |\n\nWykres liniowy z osią pionową wyskalowaną co 5000 kg, tytułem „Sprzedaż cukru w latach 2005-2014\", osi X opisaną „Rok\" i osi Y opisaną „Sprzedaż [kg]\".\n\n## Sposób 1 - arkusz kalkulacyjny (LibreOffice/Excel)\n\n1. **Wczytaj cukier.txt** - kolumny: A=Data, B=NIP, C=Kg.\n2. **Wydobądź rok** - w D2: `=WARTOŚĆ(LEWY(A2; 4))`.\n3. **Lista lat** w F2:F11 - wartości 2005, 2006, , 2014.\n4. **Suma per rok** w G2: `=SUMA.JEŻELI($D$2:$D$2163; F2; $C$2:$C$2163)`. Skopiuj na G3:G11.\n5. **Wykres liniowy:**\n- Zaznacz F1:G11.\n- Wstaw → Wykres → Linia (z markerami).\n- **Tytuł wykresu:** „Sprzedaż cukru w latach 2005-2014\".\n- **Oś X:** „Rok\".\n- **Oś Y:** „Sprzedaż [kg]\".\n- **Skalowanie osi Y:** kliknij prawym → Właściwości → Skala → Główna jednostka: 5000.\n\n## Sposób 2 - Python z matplotlib\n\n```python\nimport matplotlib.pyplot as plt\nfrom collections import defaultdict\n\nsumy = defaultdict(int)\nwith open('cukier.txt', encoding='utf-8') as f:\nfor linia in f:\ndata, nip, kg = linia.strip().split('\\t')\nsumy[int(data[:4])] += int(kg)\n\nlata = sorted(sumy.keys())\nilosci = [sumy[r] for r in lata]\n\nfor r, k in zip(lata, ilosci):\nprint(r, k)\n\nplt.figure(figsize=(10, 6))\nplt.plot(lata, ilosci, marker='o', linewidth=2)\nplt.title('Sprzedaż cukru w latach 2005-2014')\nplt.xlabel('Rok')\nplt.ylabel('Sprzedaż [kg]')\nplt.yticks(range(0, max(ilosci) + 5000, 5000)) # oś co 5000\nplt.grid(True)\nplt.savefig('wykres_cukier.png', dpi=150, bbox_inches='tight')\nplt.show()\n\nOutput:\n2005 27016\n2006 27226\n2007 31720\n2008 36523\n2009 30764\n2010 32521\n2011 23778\n2012 26976\n2013 28419\n2014 35284\n\n## Sposób 3 - SQL (dla wsparcia obliczenia)\n\nJeśli cukier.txt jest w tabeli `sprzedaz`:\n```sql\nSELECT YEAR(data) AS rok, SUM(kg) AS sprzedaz\nFROM sprzedaz\nGROUP BY YEAR(data)\nORDER BY rok;\n\n## Reference algorytmiczny - wizualizacja danych szeregu czasowego\n\n> Reference - wykres liniowy w arkuszu:\n> - **Wykres liniowy** = punkty połączone liniami, idealny do trendów czasowych.\n> - **Skalowanie osi**: Excel/LibreOffice → Format osi → Główna jednostka (Major unit).\n> - **Czytelność**: tytuł, etykiety osi, jednostki w nawiasach, legenda (jeśli wiele serii).\n> - W matplotlib: `plt.yticks(range(min, max, krok))`.\n\n## Schemat oceniania CKE\n\n> Klucz CKE (zadanie 4.3, max 3 pkt):\n> - **3 pkt** - pełna poprawna odpowiedź, w tym:\n> - 1 pkt - prawidłowe zestawienie liczbowe (10 wartości rocznych)\n> - 1 pkt - prawidłowy dobór danych i typ wykresu (liniowy)\n> - 1 pkt - poprawny opis (tytuł + osie) i wyskalowanie osi pionowej co 5000\n> - **0 pkt** - odpowiedź błędna albo brak\n\n## Typowe pułapki\n\n- **Wybór typu wykresu** - treść WYRAŹNIE wymaga liniowego, nie kolumnowego/słupkowego.\n- **Skalowanie osi Y** - co 5000 kg jest wymaganiem; mile widziane od 0 do max+5000.\n- **Opis osi/wykresu** - bez tytułu i etykiet to tylko 1 pkt zamiast 2-3.\n- **Konwersja roku z daty** - w arkuszu uważać, czy data jest tekstem czy datą; `LEWY(A; 4)` zadziała tylko na tekście, dla daty użyj `ROK(A2)`.\n\n## Złożoność obliczeniowa\n\n- Agregacja: **O(n)** gdzie n = 2162 transakcji.\n- Sortowanie 10 lat: O(10 log 10) = stała.\n- Renderowanie wykresu: O(k) gdzie k = 10 punktów.","image":null,"solution_image":null,"topics":null,"page_from":null,"source":"maturazai","answer_source":null,"answer_text_source":null,"solution_source":"maturazai","text_source":"maturazai","source_label":"Informatyka · Matura · maj 2017 (rozszerzona)","subject_label":"Informatyka","category_label":"Matura","text_html":"

Kontekst - patrz zadanie 4.1.

\n

Wykonaj i podaj zestawienie ilości sprzedanego cukru w kolejnych latach, od roku 2005 do roku 2014 włącznie. Następnie utwórz wykres liniowy ilustrujący sprzedaż cukru w kolejnych latach w podanym okresie. Wyskaluj oś pionową co 5000 kg. Pamiętaj o czytelnym opisie wykresu (tytuł i opis osi).

","solutions":[{"source":"maturazai","label":"maturazai.pl (AI)","kind":"text","html":"

Poprawna odpowiedź

\n

Zestawienie ilości sprzedanego cukru:

\n

| Rok | Sprzedaż (kg) |
| 2005 | 27 016 |
| 2006 | 27 226 |
| 2007 | 31 720 |
| 2008 | 36 523 |
| 2009 | 30 764 |
| 2010 | 32 521 |
| 2011 | 23 778 |
| 2012 | 26 976 |
| 2013 | 28 419 |
| 2014 | 35 284 |

\n

Wykres liniowy z osią pionową wyskalowaną co 5000 kg, tytułem „Sprzedaż cukru w latach 2005-2014", osi X opisaną „Rok" i osi Y opisaną „Sprzedaż [kg]".

\n

Sposób 1 - arkusz kalkulacyjny (LibreOffice/Excel)

\n
  1. Wczytaj cukier.txt - kolumny: A=Data, B=NIP, C=Kg.
  2. Wydobądź rok - w D2: =WARTOŚĆ(LEWY(A2; 4)).
  3. Lista lat w F2:F11 - wartości 2005, 2006, , 2014.
  4. Suma per rok w G2: =SUMA.JEŻELI(D2:D2163; F2; C2:C2163). Skopiuj na G3:G11.
  5. Wykres liniowy:
\n\n

Sposób 2 - Python z matplotlib

\n

```python
import matplotlib.pyplot as plt
from collections import defaultdict

\n

sumy = defaultdict(int)
with open('cukier.txt', encoding='utf-8') as f:
for linia in f:
data, nip, kg = linia.strip().split('\\t')
sumy[int(data[:4])] += int(kg)

\n

lata = sorted(sumy.keys())
ilosci = [sumy[r] for r in lata]

\n

for r, k in zip(lata, ilosci):
print(r, k)

\n

plt.figure(figsize=(10, 6))
plt.plot(lata, ilosci, marker='o', linewidth=2)
plt.title('Sprzedaż cukru w latach 2005-2014')
plt.xlabel('Rok')
plt.ylabel('Sprzedaż [kg]')
plt.yticks(range(0, max(ilosci) + 5000, 5000)) # oś co 5000
plt.grid(True)
plt.savefig('wykres_cukier.png', dpi=150, bbox_inches='tight')
plt.show()

\n

Output:
2005 27016
2006 27226
2007 31720
2008 36523
2009 30764
2010 32521
2011 23778
2012 26976
2013 28419
2014 35284

\n

Sposób 3 - SQL (dla wsparcia obliczenia)

\n

Jeśli cukier.txt jest w tabeli sprzedaz:
```sql
SELECT YEAR(data) AS rok, SUM(kg) AS sprzedaz
FROM sprzedaz
GROUP BY YEAR(data)
ORDER BY rok;

\n

Reference algorytmiczny - wizualizacja danych szeregu czasowego

\n
Reference - wykres liniowy w arkuszu:
- Wykres liniowy = punkty połączone liniami, idealny do trendów czasowych.
- Skalowanie osi: Excel/LibreOffice → Format osi → Główna jednostka (Major unit).
- Czytelność: tytuł, etykiety osi, jednostki w nawiasach, legenda (jeśli wiele serii).
- W matplotlib: plt.yticks(range(min, max, krok)).
\n

Schemat oceniania CKE

\n
Klucz CKE (zadanie 4.3, max 3 pkt):
- 3 pkt - pełna poprawna odpowiedź, w tym:
- 1 pkt - prawidłowe zestawienie liczbowe (10 wartości rocznych)
- 1 pkt - prawidłowy dobór danych i typ wykresu (liniowy)
- 1 pkt - poprawny opis (tytuł + osie) i wyskalowanie osi pionowej co 5000
- 0 pkt - odpowiedź błędna albo brak
\n

Typowe pułapki

\n\n

Złożoność obliczeniowa

\n"}]}