修改代码工作月和周，而不是年 [英] Modifying Code to work for Month and Week instead of Year
问题描述
我在一年的时间跨度中进行堆叠条形图，其中x轴是公司名称，y轴是通话次数，堆栈是月份。
我想能够让这个情节运行一个月的时间跨度，堆栈是天，时间跨度一周，其中堆栈是天由于我的代码已经在一年的时间内建成，所以我无法做到这一点。
我的输入原始输入是一个csv文件。我拉这两行：
CompanyName recvd_dttm
Company1 6/5/2015 18:28:50 PM
Company2 6/5/2015 14:25:43 PM
Company3 9/10/2015 21:45:12 PM
Company4 6/5/2015 14:30:43 PM
Company5 6/5/2015 14:32:33 PM
然后我做一个datatable看起来像这样
pivot_table.head（3）
输出[12]：
月1 2 3 4 5 6 7 8 9 10 11 12
公司名称
客户1 17 30 29 39 15 26 24 12 36 21 18 15
客户2 4 11 13 22 35 29 15 18 29 31 17 14
Customer3 11 8 25 24 7 15 20 0 21 12 12 17
我的代码到目前为止。
首先我抓住了一年的数据（我将这个更改为一个月或一周的这个问题）
＃过滤器至少有一个奖牌和排序的国家
df ['recvd_dttm'] = pd.to_datetime（df ['recvd_dttm']）
＃以前只检索数据（忽略打字错误未来日期）
mask = df ['recvd_dttm']< = datetime.datetime.now（）
df = df.loc [mask]
＃获取最后一周的第一个和最后一个datetime的数据
range_max = df ['recvd_dttm']。max（）
range_min = range_max - pd.DateOffset（years = 1）
＃数据的最后一周
df = df [（df ['recvd_dttm']> = range_min）&
（df ['recvd_dttm']< = range_max）]
然后我创建如上所示的pivot_table。
##################### #####################################
#Create Dataframe
## ################################################################################################## #######
df = df.set_index（'recvd_dttm'）
df.index = pd.to_datetime（df.index，format ='％m /％d / ％Y％H：％M'）
result = df.groupby（[lambda idx：idx.month，'CompanyName']）。agg（len）.reset_index（）
result .columns = ['Month'，'CompanyName'，'NumberCalls']
pivot_table = result.pivot（index ='Month'，columns ='CompanyName'，values ='NumberCalls'）fillna（0）
s = pivot_table.sum（）。sort（ascending = False，inplace = False）
pivot_table = pivot_table.ix [：，s.index [：30]]
pivot_table = pivot_table.transpose ）
pivot_table = pivot_table.reset_index（）
pivot_table ['CompanyName'] = [在Axis_table ['CompanyName']中为x的str（x） ]]
Companies = list（pivot_table ['CompanyName']）
pivot_table = pivot_table.set_index（'CompanyName'）
pivot_table.to_csv（'pivot_table.csv'）
然后我使用数据透视表创建一个用于绘制的OrderedDict
####################################### ###################
#Create OrderedDict绘图
################# #############################################
个月= [pivot_table [（m）]。astype（float）。范围（1,13）中的m值
names = [Jan，Feb，Mar，Apr ，May，Jun，Jul，Aug，Sep，Oct，Nov，Dec]
months_dict = OrderedDict（list（zip（names，months） ））
###################################### ##################
#Plot！
########################################################## #############
palette = brewer [RdYlGn] [8]
hover = HoverTool（
tooltips = [
（月，@months），
（电话号码，@NumberCalls），
]
）
output_file（stacked_bar.html）
bar = Bar（months_dict，Companies，title =每个月的通话次数，palette = palette，legend =top_right，width = 1200，height = = true）
bar.add_tools（hover）
显示（bar）
有没有人有关于如何处理修改此代码的想法，以便更短的时间跨度工作？我认为它将在OrderedDict部分中进行修改。可能使len（recvd_dttm）迭代？
一个月内的几天（'2015-07'说）您可以更改
result = df.groupby（[lambda idx：idx.month，'CompanyName']）。agg（len）.reset_index（）
像
月='2015-07'
result = df.loc [month] .groupby（[lambda idx：idx.day，'CompanyName']）。agg（len）.reset_index（）
并将'Month'替换为'Day' 以下。在这种情况下，您不需要打扰OrderedDict等，因为它们只是ints。一个星期你可以做
start，end ='2015-07-06'，'2015-07-12'
result = df.loc [start：end] .groupby（
[lambda idx：idx.dayofweek，'CompanyName']）。agg（len）.reset_index（）
I am making a stacked bar plot over a year time span where the x-axis is company names, y-axis is the number of calls, and the stacks are the months.
I want to be able to make this plot run for a time span of a month, where the stacks are days, and a time span of a week, where the stacks are days. I am having trouble doing this since my code is built already around the year time span.
My input original input is a csv file. I am pulling two rows like this:
CompanyName recvd_dttm
Company1 6/5/2015 18:28:50 PM
Company2 6/5/2015 14:25:43 PM
Company3 9/10/2015 21:45:12 PM
Company4 6/5/2015 14:30:43 PM
Company5 6/5/2015 14:32:33 PM
Then I make a datatable that looks like this
pivot_table.head(3)
Out[12]:
Month 1 2 3 4 5 6 7 8 9 10 11 12
CompanyName
Customer1 17 30 29 39 15 26 24 12 36 21 18 15
Customer2 4 11 13 22 35 29 15 18 29 31 17 14
Customer3 11 8 25 24 7 15 20 0 21 12 12 17
and my code is this so far.
First I grab a years worth of data (I would change this to a month or a week for this question)
# filter by countries with at least one medal and sort
df['recvd_dttm'] = pd.to_datetime(df['recvd_dttm'])
#Only retrieve data before now (ignore typos that are future dates)
mask = df['recvd_dttm'] <= datetime.datetime.now()
df = df.loc[mask]
# get first and last datetime for final week of data
range_max = df['recvd_dttm'].max()
range_min = range_max - pd.DateOffset(years=1)
# take slice with final week of data
df = df[(df['recvd_dttm'] >= range_min) &
(df['recvd_dttm'] <= range_max)]
Then I create the pivot_table shown above.
###########################################################
#Create Dataframe
###########################################################
df = df.set_index('recvd_dttm')
df.index = pd.to_datetime(df.index, format='%m/%d/%Y %H:%M')
result = df.groupby([lambda idx: idx.month, 'CompanyName']).agg(len).reset_index()
result.columns = ['Month', 'CompanyName', 'NumberCalls']
pivot_table = result.pivot(index='Month', columns='CompanyName', values='NumberCalls').fillna(0)
s = pivot_table.sum().sort(ascending=False,inplace=False)
pivot_table = pivot_table.ix[:,s.index[:30]]
pivot_table = pivot_table.transpose()
pivot_table = pivot_table.reset_index()
pivot_table['CompanyName'] = [str(x) for x in pivot_table['CompanyName']]
Companies = list(pivot_table['CompanyName'])
pivot_table = pivot_table.set_index('CompanyName')
pivot_table.to_csv('pivot_table.csv')
Then I use the pivot table to create an OrderedDict for Plotting
###########################################################
#Create OrderedDict for plotting
###########################################################
months = [pivot_table[(m)].astype(float).values for m in range(1, 13)]
names = ["Jan", "Feb", "Mar","Apr","May","Jun","Jul","Aug","Sep","Oct","Nov", "Dec"]
months_dict = OrderedDict(list(zip(names, months)))
###########################################################
#Plot!
###########################################################
palette = brewer["RdYlGn"][8]
hover = HoverTool(
tooltips = [
("Month", "@months"),
("Number of Calls", "@NumberCalls"),
]
)
output_file("stacked_bar.html")
bar = Bar(months_dict, Companies, title="Number of Calls Each Month", palette = palette, legend = "top_right", width = 1200, height=900, stacked=True)
bar.add_tools(hover)
show(bar)
Does anyone have ideas on how to approach modifying this code so it can work for shorter time spans? I am thinking that it will be modification in the OrderedDict section. Possibly making len(recvd_dttm) to iterate over?
For days in a month ('2015-07' say) You could change
result = df.groupby([lambda idx: idx.month, 'CompanyName']).agg(len).reset_index()
to something like
month = '2015-07'
result = df.loc[month].groupby([lambda idx: idx.day, 'CompanyName']).agg(len).reset_index()
And replace 'Month' with 'Day' below. You wouldn't have to bother with the OrderedDict etc. in this case as they are just ints. For a week you could do
start, end = '2015-07-06', '2015-07-12'
result = df.loc[start: end].groupby(
[lambda idx: idx.dayofweek, 'CompanyName']).agg(len).reset_index()
这篇关于修改代码工作月和周，而不是年的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
