#python #pandas #dataframe #datetime #data-science
#python #pandas #фрейм данных #дата и время #наука о данных
Вопрос:
У меня есть постановка проблемы следующим образом:
В каждом экзаменационном центре экзамен должен быть организован в две смены, партия I и партия II (отчетное время 9:00 утра и 2 часа дня). Экзамен может быть проведен в любой день в округе с 1 по 30 декабря 2020 года в зависимости от количества кандидатов в округе. Обратите внимание, что в каждом районе возможен только один экзаменационный центр, и за одну смену может появиться максимум 20 студентов. На основе упомянутой выше информации заполните базу данных проверки, выделив:
- Rollno: номер броска кандидата будет начинаться с NL2000001 и далее (например: NL2000001, NL2000002, NL2000003 ……)
- cent_allot: выделение центра путем ввода кода города проверки
- cent_add: укажите NL «Название района» в качестве адреса центра в каждом местоположении (например, если название района равно ADI, тогда добавление центра равно NL ADI)
- Дата экзамена: назначьте любую дату экзамена в период с 1 декабря 2020 года по 30 декабря 2020 года, сохраняя минимальное количество экзаменационных дней и не нарушая никаких условий, упомянутых выше
- пакет: выделение пакета I или II, обеспечивающего все условия, упомянутые выше
- rep_time: для пакета I время отчетности составляет 9 часов утра, а для пакета II время отчетности — 2 часа дня.
Согласно приведенному выше описанию, мне нужно создать таблицу, которая удовлетворяет вышеуказанным условиям. Я уже создал столбцы Rollno, cent_allot и cent_add, но мне трудно создать столбец examDate, поскольку он должен иметь одну и ту же дату для каждых 40 значений district.
Вот список районов и их частота встречаемости:
Dist Count
WGL 299
MAHB 289
KUN 249
GUN 198
KARN 196
KRS 171
CTT 169
VIZ 150
PRA 145
NALG 130
MED 128
ADI 123
KPM 119
TRI 107
ANA 107
KHAM 85
NEL 85
VIZI 84
EGOD 84
SOA 84
SIR 80
NIZA 73
PUD 70
KRK 69
WGOD 56
Вот первые 25 строк фрейма данных:
Rollno cent_allot cent_add examDate batch rep_time
NL2000001 WGL NL WGL NaN NaN NaN
NL2000002 WGL NL WGL NaN NaN NaN
NL2000003 WGL NL WGL NaN NaN NaN
NL2000004 KUN NL KUN NaN NaN NaN
NL2000005 KUN NL KUN NaN NaN NaN
NL2000006 KUN NL KUN NaN NaN NaN
NL2000007 GUN NL GUN NaN NaN NaN
NL2000008 GUN NL GUN NaN NaN NaN
NL2000009 GUN NL GUN NaN NaN NaN
NL2000010 GUN NL GUN NaN NaN NaN
NL2000011 VIZ NL VIZ NaN NaN NaN
NL2000012 VIZ NL VIZ NaN NaN NaN
NL2000013 VIZ NL VIZ NaN NaN NaN
NL2000014 VIZ NL VIZ NaN NaN NaN
NL2000015 MAHB NL MAHB NaN NaN NaN
NL2000016 MAHB NL MAHB NaN NaN NaN
NL2000017 MAHB NL MAHB NaN NaN NaN
NL2000018 WGOD NL WGOD NaN NaN NaN
NL2000019 WGOD NL WGOD NaN NaN NaN
NL2000020 WGOD NL WGOD NaN NaN NaN
NL2000021 WGOD NL WGOD NaN NaN NaN
NL2000022 EGOD NL EGOD NaN NaN NaN
NL2000023 EGOD NL EGOD NaN NaN NaN
NL2000024 EGOD NL EGOD NaN NaN NaN
NL2000025 EGOD NL EGOD NaN NaN NaN
Все последние 3 столбца — это NaN s, поскольку эти три столбца еще предстоит создать.
Давайте возьмем WGL
, к примеру. Согласно приведенному выше описанию, в смену для каждого района может быть разрешено не более 20 кандидатов, что означает, что одна и та же дата должна быть выделена 40 раз для каждого района, и одна и та же партия и одинаковое время отчетности должны быть выделены 20 раз для каждого округа.
У кого-нибудь есть идеи, как это сделать?
Ответ №1:
Ключ должен использоваться .groupby().cumcount()
для получения текущего номера первым. Впоследствии examDate
и batch
может быть определено соответственно по модулю текущего числа против 40 и 20.
Данные
Случайные строки генерируются с использованием заданного общего количества для каждой Dist
.
import numpy as np
import pandas as pd
import io
import datetime
df_count = pd.read_csv(io.StringIO("""
Dist Count
WGL 299
MAHB 289
KUN 249
GUN 198
KARN 196
KRS 171
CTT 169
VIZ 150
PRA 145
NALG 130
MED 128
ADI 123
KPM 119
TRI 107
ANA 107
KHAM 85
NEL 85
VIZI 84
EGOD 84
SOA 84
SIR 80
NIZA 73
PUD 70
KRK 69
WGOD 56
"""), sep=r"s{2,}", engine="python")
# generate random cent_allot
df = df_count.loc[np.repeat(df_count.index.values, df_count["Count"]), "Dist"]
.sample(frac=1)
.reset_index(drop=True)
.to_frame()
.rename(columns={"Dist": "cent_allot"})
df["Rollno"] = df.index.map(lambda s: f"NL2{s 1:06}")
df["cent_add"] = df["cent_allot"].map(lambda s: f"NL {s}")
df
до сих пор должно напоминать то, что у вас было.
Код
# Assign the first examDate
first_day = datetime.date(2020, 12, 1)
# running no. grouped by "cent_allot" (i.e. "Dist")
df["gp_no"] = df.groupby("cent_allot").cumcount()
# increase one day for every 40 records
df["examDate"] = df["gp_no"].apply(lambda x: first_day datetime.timedelta(days=int(x / 40)))
# batch - can be determined by the even-ness of int(no. / 20)
df["batch"] = df["gp_no"].apply(lambda x: 1 int(x / 20) % 2)
# map batch to time (or "9 AM" / "2 PM" as you'd like)
df["rep_time"] = df["batch"].apply(lambda x: datetime.time(9, 0) if x == 1 else datetime.time(14, 0))
Вывод
print(df[["Rollno", "cent_allot", "cent_add", "examDate", "batch", "rep_time"]])
Rollno cent_allot cent_add examDate batch rep_time
0 NL2000001 CTT NL CTT 2020-12-01 1 09:00:00
1 NL2000002 MAHB NL MAHB 2020-12-01 1 09:00:00
2 NL2000003 CTT NL CTT 2020-12-01 1 09:00:00
3 NL2000004 SOA NL SOA 2020-12-01 1 09:00:00
4 NL2000005 PUD NL PUD 2020-12-01 1 09:00:00
... ... ... ... ... ...
3345 NL2003346 KHAM NL KHAM 2020-12-03 1 09:00:00
3346 NL2003347 ADI NL ADI 2020-12-04 1 09:00:00
3347 NL2003348 KARN NL KARN 2020-12-05 2 14:00:00
3348 NL2003349 SIR NL SIR 2020-12-02 2 14:00:00
3349 NL2003350 ADI NL ADI 2020-12-04 1 09:00:00
[3350 rows x 6 columns]
Комментарии:
1. спасибо за ваш код. Ваш код выглядит лаконичным и уместным. Я не запускал ваш код, так как сам решил, что это утомительное решение, но все же я очень ценю помощь тура. Спасибо за вашу помощь…
Ответ №2:
Я много боролся за получение решения, но, наконец, в конце того дня, когда я задал вопрос, я нашел решение:
# examDate column
n_stud = 20 # mention the number of students per batch here
n_batch = 2 # mention the number of batches per day here
temp = data['TH_CENT_CH'].value_counts().sort_index().reset_index() # storing centers and their counts in a temp variable
cent = temp['index'].to_list() # storing centers in a list
cnt = temp['TH_CENT_CH'].to_list() # storing counts in a list
cent1 = []
cnt1 = []
j = 0
# for loops to repeat each center by count times
for c in cent:
for i in range(1, cnt[j] 1):
cent1.append(c)
cnt1.append(i)
j = 1
df1 = pd.DataFrame(list(zip(cent1, cnt1)), columns = ['cent','cnt']) # dataframe to store the centers and new count list
counts = df1['cnt'].to_list() # storing the new counts in a list
helper = {} # helper dictionary
max_no = max(cnt)
# for-while loops to map helper number to each counts number
for i in counts:
j = 0
while(j < (round(max_no / (n_stud * n_batch)) 1)):
if((i > (n_stud * n_batch * j)) amp; (i < (n_stud * n_batch * (i 1)))):
helper[i] = j
j = 1
# mapping the helper with counts
counts = pd.Series(counts)
helper = pd.Series(helper)
hel = counts.map(helper).to_list()
df1['helper'] = hel
examDate = {} # dictionary to store exam dates
# for loop to map dates to each helper number
for i in hel:
examDate[i] = pd.to_datetime(date(2020, 12, 1) timedelta(days = (2 * i)))
# mapping the dates with helpers
hel = pd.Series(hel)
examDate = pd.Series(examDate)
exam = hel.map(examDate).to_list()
df1['examDate'] = exam
# adding the dates to the original dataframe
examDate = df1['examDate'].to_list()
data['examDate'] = examDate
data['examDate']
Здесь TH_CENT_CH
относится к столбцу district в исходном фрейме данных. Когда я запустил data.head()
, я получил результат, который мне был нужен, то есть одну дату для 40 студентов. Я сделал то же самое для оставшихся двух столбцов, где мне нужно было иметь одинаковую партию для 20 студентов. И поэтому я получил вывод в виде:
Rollno cent_allot cent_add examDate batch rep_time
0 NL2000001 ADI NL ADI 2020-12-01 1 09:00:00
1 NL2000002 ADI NL ADI 2020-12-01 1 09:00:00
2 NL2000003 ADI NL ADI 2020-12-01 1 09:00:00
3 NL2000004 ADI NL ADI 2020-12-01 1 09:00:00
4 NL2000005 ADI NL ADI 2020-12-01 1 09:00:00
... ... ... ... ... ...
3345 NL2003346 WGOD NL WGOD 2020-12-03 1 09:00:00
3346 NL2003347 WGOD NL WGOD 2020-12-04 1 09:00:00
3347 NL2003348 KRS NL KRS 2020-12-05 1 09:00:00
3348 NL2003349 WGOD NL WGOD 2020-12-02 1 09:00:00
3349 NL2003350 WGOD NL WGOD 2020-12-04 1 09:00:00
Пожалуйста, найдите код для оставшихся двух столбцов:
# batch column
counts = df1['cnt'].to_list() # storing the new counts in a list
helper2 = {} # helper dictionary
# for-while loops to map helper number to each counts number
for i in counts:
j = 0
while(j < (round(max_no / (n_stud)) 1)):
if((i > (n_stud * j)) amp; (i < (n_stud * (i 1)))):
helper2[i] = j
j = 1
# mapping the helper with counts
counts = pd.Series(counts)
helper2 = pd.Series(helper2)
hel2 = counts.map(helper2).to_list()
df1['helper2'] = hel2
batch = {} # dictionary to store batch numbers
# for loop to map batch numbers to each helper number
for i in hel2:
if(i % 2 == 0):
batch[i] = 1
else:
batch[i] = 2
# mapping the batches with helpers
hel2 = pd.Series(hel2)
batch = pd.Series(batch)
bat = hel2.map(batch).to_list()
df1['batch'] = bat
# adding the batches to the original dataframe
batch = df1['batch'].to_list()
data['batch'] = batch
data['batch'].unique()
# rep_time column
data.loc[data['batch'] == 1, 'rep_time'] = '9:00 AM'
data.loc[data['batch'] == 2, 'rep_time'] = '2:00 PM'
data['rep_time'].unique()