A feladat megvalósítása Pythonban, amely beolvassa a fővárosok hőmérsékleti adatait, kiszámítja az európai átlaghőmérsékletet, majd meghatározza az eltéréseket:

import csv

def beolvasas(fajlnev):

"""Beolvassa a hőmérsékleti adatokat egy CSV fájlból"""

adatok = []

with open(fajlnev, 'r', encoding='utf-8') as file:

     reader = csv.reader(file, delimiter=';')

for sor in reader:

      varos = sor[0].strip()

      homersekletek = list(map(float, sor[1:])) # Hőmérsékletek számformátumba alakítása

      atlag_h = sum(homersekletek) / len(homersekletek)

       adatok.append((varos, homersekletek, atlag_h))

return adatok

def europai_atlag(adatok):

"""Kiszámítja az európai középhőmérsékletet"""

osszes_h = [hom for _, h_list, _ in adatok 

for hom in h_list] # Összes mért hőmérséklet

     return sum(osszes_h) / len(osszes_h)

def eltérés_számítás(adatok, europai_atlag):

"""Meghatározza, hogy a fővárosok átlaghőmérséklete mennyivel tér el az európai átlagtól"""

     eltérések = []

for varos, _, atlag_h in adatok:

     eltérés = atlag_h - europai_atlag

     eltérések.append((varos, atlag_h, eltérés))

     return eltérések

def kiiras(eltérések):

"""Kiírja az eredményeket"""

print(f"Európai átlaghőmérséklet: {europai_atlag:.2f}°C\n")

print("Városok hőmérsékleti eltérései:")

for varos, atlag_h, eltérés in eltérések:

     print(f"{varos:15} Átlaghőmérséklet: {atlag_h:.2f}°C Eltérés: {eltérés:.2f}°C")

# Fájl beolvasása és feldolgozása

adatok = beolvasas("homersekletek.csv")

europai_atlag = europai_atlag(adatok)

eltérések = eltérés_számítás(adatok, europai_atlag)

kiiras(eltérések)

Mit csinál ez a program?

Beolvassa a fővárosok hőmérsékleti adatait egy CSV fájlból.

Kiszámítja az európai átlaghőmérsékletet.

Meghatározza, hogy mennyivel térnek el az egyes fővárosok átlaghőmérsékletei ettől az átlagtól.

Kiírja az eredményeket formázott módon.

🔹 Meteorológiai előrejelzés és klímakutatás

✅ Segít az időjárási trendek és eltérések vizsgálatában.

✅ Különböző városok hőmérsékletének összehasonlításával felmérhető a globális felmelegedés hatása.

✅ Az időjárási szélsőségek felismerése hozzájárulhat a klímamodellek fejlesztéséhez.

🔹 Városi tervezés és energiamenedzsment

✅ Az egyes városok hőmérsékleti eltérései hatással lehetnek a fűtési és hűtési rendszerek optimalizálására. 

✅ Segíthet az infrastruktúra tervezésében, például a hóeltakarítás vagy légkondicionálási szükségletek előrejelzésében.

✅ Az adatok segíthetnek az épülettervezésben, figyelembe véve a hőmérsékleti ingadozásokat.

🔹 Gazdasági és turisztikai alkalmazások

✅ Az egyes fővárosok átlaghőmérsékletének elemzése segíthet a turizmus előrejelzésében. 

✅ A turisztikai stratégiák kialakításánál figyelembe vehetők az időjárási trendek (például téli sportok vagy nyári üdülések optimalizálása). 

✅ Segíthet a mezőgazdasági tervezésben, például a növénytermesztéshez ideális klíma kiválasztásában.

🔹 Adatkezelési és elemzési technikák fejlesztése

✅ Demonstrálja, hogyan lehet hatékonyan dolgozni nagy adathalmazokkal.

✅ Rávilágít arra, hogy a memória-alapú feldolgozás gyorsabb és erőforrás-hatékonyabb lehet, mint a többszöri háttértároló-olvasás. 

 ✅ Megmutatja, hogyan lehet adatok keresését, statisztikai számításokat és rangsorolásokat végrehajtani programozással.