Лабораторные работы по программной инженерии

Репозиторий объединяет учебные проекты на Python: настольное приложение для анализа статистики, работу с графовой базой данных Neo4j и ETL-пайплайны Apache Airflow. В работах показаны загрузка и преобразование данных, визуализация, прогнозирование, моделирование связей и сохранение результатов в базы данных.

Работы

Каталог	Что реализовано	Основные технологии
By order	GUI-приложение для анализа демографических данных и прогноза методом скользящей средней	Python, PyQt5, pandas, Matplotlib, Excel
Lab3	Создание графовых моделей интернет-магазина и железнодорожной станции, Cypher-запросы и визуализация графов	Python, Neo4j, Cypher, NetworkX, Matplotlib
Lab5	ETL-пайплайны для погоды и цен Bitcoin/Ethereum: API → JSON → CSV → Parquet → PostgreSQL	Python, Apache Airflow, PostgreSQL, pandas, REST API

Подробные инструкции по настройке и запуску находятся в README каждого каталога.

Примеры результатов

Граф интернет-магазина в Neo4j

Граф железнодорожной станции

Структура репозитория

.
├── By order/        # PyQt5-приложение и исходные Excel-таблицы
├── Lab3/            # Neo4j, Cypher-запросы и изображения графов
├── Lab5/            # DAG-файлы Airflow и примеры наборов данных
└── COPYRIGHT

Общие требования

• Python 3;
• виртуальное окружение для зависимостей каждой работы;
• Neo4j для Lab3;
• Apache Airflow и PostgreSQL для Lab5.

Каждая работа запускается из своего каталога, поскольку скрипты используют относительные пути к данным и результатам.

Что демонстрирует репозиторий

• разработку графического интерфейса и обработку Excel-файлов;
• анализ временных рядов и простой прогноз скользящей средней;
• проектирование и заполнение графовых баз данных;
• выполнение аналитических запросов на Cypher;
• построение и визуализацию графов;
• оркестрацию ETL-процессов в Apache Airflow;
• получение данных из внешних REST API;
• преобразование JSON, CSV и Parquet;
• загрузку подготовленных данных в PostgreSQL.