Merge pull request #20 from torave/hanne

Hanne - changes

docs/refleksjonsnotat.md

@@ -5,7 +5,7 @@ Vi har hatt noe koding med Pythons-bibliotekene Pandas, NumPy og Matplotlib fra
 
 Når vi først skulle komme i gang med prosjektet møtte vi på en del hindringer og komplikasjoner ved GitHub og API. Vi støtte på et problem etter å ha klonet repoet inn i en mappe i OneDrive, når vi skulle begynne å pushe og pulle. Etter flere feilmeldinger og forsøk på å løse dette, prøvde vi å flytte mappen fra OneDrive til direkte på datamaskinen og da løste det seg. Ellers har det noen ganger dukket opp feilmeldinger når vi har manglet biblioteker eller de har trengt å oppdatere seg, men disse små hindrene løste vi fort ved å installere `requirements.txt` på nytt.
 
-Sammarbeidet i gruppen har gått bra. Når vi har møtt på hindre har vi vært flinke til å hjelpe hverandre og løse de sammen. Vi har møttes jevnlig, jobbet sammen og fordelt oppgaver oss i mellom frem til neste møte. Hanne har hatt noen problemer med GitHub, så noen av løsningene har vært å sende tekst til README.md filer på mail. Ikke en optimal løsning, men vi fikk det bedre til tilslutt med en del pull og merge request.
+Sammarbeidet i gruppen har gått bra. Når vi har møtt på hindre har vi vært flinke til å hjelpe hverandre og løse de sammen. Vi har møttes jevnlig, jobbet sammen og fordelt oppgaver oss i mellom frem til neste møte. Hanne har hatt noen problemer med GitHub, så noen av løsningene har vært å sende tekst for README.md filer og kode på mail. Dette har ført til noe skjevfordeling i antall contributions. Ikke en optimal løsning, men vi fikk det bedre til tilslutt med en del pull og merge request.
 
 Kvaliteten på dataene våre mener vi er gode ettersom vi har en API som man trenger å lage bruker for (gratis) og har utrolig mye data for mange mange år og mange steder. Vi mener dette styrker troverdigheten og legitimiteten til dataene våre. Vi har fått laget mange diagrammer og mange Jupyter Notebooks som gjør at brukeren kan velge fra forskjellige perioder og steder de ønsker informasjon om værforhold fra. Grafene er lett lesbare og har realistisk data noe vi mener styrker kvaliteten på dataene våre. Ettersom dataene fra API-en vår er i kelvin og ikke celsius har det noen steder vært litt komplikasjoner med riktig temperatur, noe som gjerne svekker kvaliteten litt.
 

notebooks/notebook_interactive_data.ipynb

@@ -179,7 +179,7 @@
     "median_color = widgets.ColorPicker(value='#d62728', description='Farge for median')\n",
     "dot_size = widgets.IntSlider(value=40, min=10, max=100, step=5, description='Punktstørrelse')\n",
     "\n",
-    "def plot_temp(show_mean, show_grid, dot_color, mean_color, median_color, dot_size):\n",
+    "def plot_temp(show_mean, show_median, show_grid, dot_color, mean_color, median_color, dot_size):\n",
     "    '''\n",
     "    This function creates an interactive plot using jupyter widgets. It makes a scatter diagram of the temperature with the temerature mean dashed line.\n",
     "    It gives the user oppurtunity to customize color and size of the dots. And weather to show the grid or not, the same with the mean and median temperature line.\n",
@@ -233,11 +233,12 @@
     "    plt.close()\n",
     "\n",
     "# Collects widgets in a UI (user interface)\n",
-    "ui = widgets.VBox([show_mean, show_grid, dot_color, mean_color, median_color, dot_size])\n",
+    "ui = widgets.VBox([show_mean, show_median, show_grid, dot_color, mean_color, median_color, dot_size])\n",
     "\n",
     "# Connects widgets to plot-functions\n",
     "out = widgets.interactive_output(plot_temp, {\n",
     "    'show_mean': show_mean,\n",
+    "    'show_median': show_median,\n",
     "    'show_grid': show_grid,\n",
     "    'dot_color': dot_color,\n",
     "    'mean_color': mean_color,\n",
@@ -266,7 +267,7 @@
    "name": "python",
    "nbconvert_exporter": "python",
    "pygments_lexer": "ipython3",
-   "version": "3.12.5"
+   "version": "3.9.6"
   }
  },
  "nbformat": 4,

src/README.md

@@ -6,7 +6,7 @@ Mye av funksjonaliteten og funksjonener er skrevet i en vanlig `.py` fil, før d
 
 Her kommer en kjapp forklaring av de ulike filene og deres funksjoner:
 - `date_to_unix.py` bruker innebygde moduler som datetime og time, for å gjøre om datoer og tider til unix timestamp, sekunder fra 1. januar 1970.
-- `setup.py` funskjon for å hjelpe brukeren å lage en .env fil for å lagre API-key og email.
+- `setup.py` funksjon for å hjelpe brukeren å lage en .env fil for å lagre API-key og email.
 - `data.py` inneholder flere ulike funksjoner relatert til dataen. Til for eksempel:
   - Hente current data
   - Hente data for ønsket periode/dag