Skip to content

Instantly share code, notes, and snippets.

View miroli's full-sized avatar
🏠
Working from home

Robin Linderborg miroli

🏠
Working from home
45 followers · 48 following
View GitHub Profile
@miroli
miroli / texts.csv
Created June 19, 2016 14:03
For SO question
We can't make this file beautiful and searchable because it's too large.
anforande_id,anforande_nummer,anforandetext,avsnittsrubrik,dok_datum,dok_hangar_id,dok_id,dok_nummer,dok_rm,dok_titel,intressent_id,kammaraktivitet,parti,protokoll_url_www,rel_dok_id,replik,systemdatum,systemnyckel,talare,underrubrik
61960262-9486-e411-9414-00262d0d0c40,2,"Herr ålderspresident! Att vara talman i Sveriges riksdag kräver erfarenhet, ett brett kontaktnät och förmågan att kunna representera Sverige på ett förtjänstfullt sätt. Uppgiften rymmer betydelsefulla parlamentariska uppgifter, bland annat att tillse att riksdagens arbete leds på ett korrekt sätt. Opartiskhet och objektivitet ska spegla talmannens person och bäras upp av ett förtroende i riksdagen. Vi socialdemokrater har hävdat principen att riksdagens största parti ska utse talman. Det är en princip som vi nu fullföljer genom att nominera Urban Ahlin till talman. Urban Ahlin har varit riksdagsledamot sedan 1994. Under åren har han vunnit stor respekt för sina stora kunskaper, inte minst på det utrikespolitiska området. Under tolv år har h
@miroli
miroli / data.csv
Created August 22, 2016 14:30
Genomsnittspriser
stadsdel utgångspris slutpris
Djurgården 8475000 11850000
Höglandet 7790000 9300000
Östermalm 6171377 6797858
Norrmalm 5942358 6262314
Ålsten 4763333 5681666
Gamla Stan 5182800 5649117
Vasastan 4692221 5274666
Södra Hammarbyhamnen 4518790 4942978
Smedslätten 4488333 4733333
@miroli
miroli / regex.py
Last active October 17, 2016 17:16
Regex fun
# -*- coding: utf-8 -*-
import re
# Matchar två eller tre namn, kapitaliserade eller med bara versaler
name_re = re.compile(r'((?:[A-ZÅÄÖ]+[a-zåäöéèü]*\s*){2,3})')
# Exkludera PARTER och MOTPART
text = 'PARTER Janne MICKY Svensson'
matches = name_re.findall(text.replace('PARTER', '').replace('MOTPART', ''))
@miroli
miroli / Iframekul!
Created November 25, 2016 13:07
<!DOCTYPE html>
<html>
<head>
<meta charset="utf8">
<meta name="viewport" content="width=device-width, initial-scale=1">
<title>Statsbidrag läxhjälp</title>
<link rel="stylesheet" type="text/css" href="https://cdnjs.cloudflare.com/ajax/libs/awesomplete/1.1.1/awesomplete.css">
</head>
<body>
<style>
@miroli
miroli / README.md
Last active January 20, 2017 09:36
Demo av ritapp
@miroli
miroli / app.js
Created January 24, 2017 10:07
Rita v.2
var data = [
{"year": 1998, "debt": 1066},
{"year": 1999, "debt": 1009},
{"year": 2000, "debt": 995},
{"year": 2001, "debt": 936},
{"year": 2002, "debt": 1065},
{"year": 2003, "debt": 1015},
{"year": 2004, "debt": 962},
{"year": 2005, "debt": 941},
{"year": 2006, "debt": 896},
@miroli
miroli / swedata.py
Created March 8, 2017 20:18
swedata
import swedata
# Basbiblioteket tillhandahåller ett enhetligt gränssnitt till
# alla skrejpers. Mappstrukturen ser ut ungefär som följande,
# där varje modul under `scrapers` kan användas självständigt
# och som en del av det centrala biblioteket. Dessa moduler
# utvecklas av skrejperparkens community.
"""
/swedata
|-- swedata
@miroli
miroli / corr.py
Created March 23, 2017 16:36
correlation
def correlation(df, v1, v2):
"""
Calculates the correlation between two
variables in a pandas dataframe.
"""
# Get mean of each column
mean1, mean2 = df[v1].mean(), df[v2].mean()
# Get squared deviations from mean for each column
squared_deviation1 = [(x - mean1)**2 for x in df[v1]]
@miroli
miroli / plot.py
Created April 25, 2017 14:45
Regression Line
import numpy as np
# x- och y-variablerna (t.ex. pandas-kolumner)
x = np.array([50, 89, 150])
y = np.array([30, 55, 90])
# Numpy beräknar lutningen (m) och punkten
# där x korsar y (b) åt oss. Lutningen ska tolkas
# som hur många steg y förändras för varje steg x tar.
m, b = np.polyfit(x, y, 1)
@miroli
miroli / parse_dsso.py
Created August 3, 2017 11:35
Parsing DSSO
import json
import pandas as pd
from pandas.io.json import json_normalize
with open ('dsso_db.txt') as f:
json_data = f.read()
records = json_data.split('\n')
parsed = []