Posledni zmeny pycon na py u bloku kodu

* Pridan novy nadpis ke Cteni na doma

Closes #39

Author: ZelenyMartin

python-pro-data-1/agregace-a-spojovani/cteni-na-doma.md

@@ -1,4 +1,6 @@
-## Více různých agregací
+## Čtení na doma
+
+### Více různých agregací
 
 Pokud chceme provést více různých agregací, použijeme metodu `agg`. Metodě `agg` vložíme jako parametr slovník, kde klíčem je název sloupce, pro který počítáme agregaci, a hodnotou je řetězec nebo seznam řetězců se jmény agregací, které chceme provést. Například u maturity chceme zjistit, jestli student prospěl, prospěl s vyznamenáním nebo neprospěl. K tomu potřebujeme funkci `max()` (pětka znamená, že student neuspěl a trojka znamená, že nemůže získat vyznamenání) a funkci `mean()` (abychom zjistili, zda je průměr známek menší než 1.5).
 
@@ -9,7 +11,7 @@ maturita.groupby("cisloStudenta").agg({"znamka": ["max", "mean"]})
 K určení výsledku studenta bychom ještě potřebovali nový sloupec, jehož hodnota bude určena na základě podmínky, což si ukážeme níže.
 
 
-## Podmíněný sloupec
+### Podmíněný sloupec
 
 Občas chceme do výpočtu zapracovat i podmínku. Ve skutečnosti je podmínka to poslední, co nám chybělo k vyřešení našeho problému s finančním vypořádání spolubydlících pomocí `pandas`. Náš výpočet se skládá z pěti kroků.
 

python-pro-data-1/agregace-a-spojovani/excs/studenti/exercise.md

@@ -5,7 +5,7 @@ demand: 3
 
 Stáhni si datové sety, se kterými budeme pracovat v tomto cvičení: [jmena.csv](assets/jmena.csv), [studenti1.csv](assets/studenti1.csv), [studenti2.csv](assets/studenti2.csv).
 
-```pycon
+```py
 import pandas
 
 jmena = pandas.read_csv("https://kodim.cz/cms/assets/kurzy/python-data-1/python-pro-data-1/agregace-a-spojovani/excs/excs>studenti/jmena.csv")

python-pro-data-1/vizualizace/excs/call-centrum/exercise.md

@@ -8,7 +8,7 @@ V souboru [callcentrum.csv](assets/callcentrum.csv) najdete několik tisíc záz
 
 K převodu na vteřiny můžeš použít metodu `str.split()`. Pomocí ní rozdělíš hodnoty minut a vteřin do samostatných sloupců. Pomocí metody `astype(int)` převedeš hodnoty na čísla. Poté pomocí počítaných sloupců můžeš spočítat celkový počet vteřin.
 
-```pycon
+```py
 import pandas
 
 callcentrum = pandas.read_csv("https://kodim.cz/cms/assets/kurzy/python-data-1/python-pro-data-1/vizualizace/excs/excs>call-centrum/callcentrum.csv")

python-pro-data-1/vizualizace/excs/hazeni-kostkami/exercise.md

@@ -10,7 +10,7 @@ Načtěte tato data do tabulky a zobrazte histogram hodů. Zvolte vhodné rozlo
 1. Jaká je nejčastější hodnota, která na dvou kostkách padne?
 1. Je větší šance, že padne hodnota 12 než že padne hodnota 2?
 
-```pycon
+```py
 import pandas
 
 kostky = pandas.read_csv("https://kodim.cz/cms/assets/kurzy/python-data-1/python-pro-data-1/vizualizace/excs/excs>hazeni-kostkami/kostky.csv")

python-pro-data-1/vizualizace/excs/hura-na-hory.md

@@ -5,7 +5,7 @@ demand: 2
 
 Následující data obsahují úhrnné množství sněhu (v cm) napadlé za každý rok pro posledních 50 let pro dva lyžarské resorty. První sloupec je rok, druhý jsou data pro resort Hora šílenství, třetí jsou data pro resort Prašné údolí.
 
-```pycon
+```py
 snih = [
     [1968, 480, 351],
     [1969, 462, 663],

python-pro-data-1/zakladni-dotazy/zakladni-dotazy.md

@@ -193,7 +193,7 @@ V jazyce SQL píšeme podmínky za klíčové slovo `WHERE`, v Excelu můžeme p
 
  Nejprve potřebujeme formulovat podmínku. Ta bude vypadat takto `staty["population"] < 1000`. V podmínce máme sloupec, na který se ptáme, a porovnání s číselnou hodnotou. Používáme nám již známý operátor menší než (`<`). Zkusme si zadat samotnou podmínku do terminálu a podívejme se na výsledek.
 
-```pycon
+```py
 print(staty["population"] < 1000)
 ```