在时间跨度的班次上计算所需的设备
我想在图表中的某个时间可视化作业车间所需的机器数量，在x轴上是连续时间轴，在y轴上是移位数量。
在下面的数据框中，您可以找到我的数据示例。在这里，您可以看到Shift_ID s（它们是唯一的）以及该班次的开始和结束时间。在一天的时间里，我想知道在一定的时间间隔内需要多少台机器。这可以是5分钟，一刻钟，半小时和小时。
df:
Shift_ID Shift_Time_Start Shift_Time_End
0 1 2016-03-22 9:00:00 2016-03-22 9:35:00
1 2 2016-03-22 9:20:00 2016-03-22 10:20:00
2 3 2016-03-22 9:40:00 2016-03-22 10:14:00
3 4 2016-03-22 10:00:00 2016-03-22 10:31:00
在本季度9：30-9：45的示例中，我需要3台机器才能在该特定时间完成每个班次。所需的输出看起来像这样：
df2:
Interval Count
0 2016-03-22 9:00:00 - 2016-03-22 9:15:00 1
1 2016-03-22 9:15:00 - 2016-03-22 9:30:00 2
2 2016-03-22 9:30:00 - 2016-03-22 9:45:00 3
3 2016-03-22 9:45:00 - 2016-03-22 10:00:00 2
4 2016-03-22 10:00:00 - 2016-03-22 10:15:00 2
5 2016-03-22 10:15:00 - 2016-03-22 10:30:00 2
6 2016-03-22 10:30:00 - 2016-03-22 10:45:00 1
使用此数据框，我可以将其四舍五入到区间的最低边界，然后将其绘制在图表中。
我被困在如何“看”换班是否位于多个区间内。你有什么想法解决这个问题吗？
注意：所有日期时间值当然是日期时间类型
在解决MaxU和knightofni之后编辑
我使用MaxU的代码来绘制你的代码。他们似乎都在15分钟内做得很好，但请用5分钟看看你的结果：
MaxU：
knightofni：
编辑2 2015年4月4日
2 个答案:
答案 0 :(得分：1)
你可以这样做：
代码：
import io
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
# load sample data into DF (data frame)
data="""\
idx;Shift_ID;Shift_Time_Start;Shift_Time_End
0;1;2016-03-22 09:00:00;2016-03-22 09:35:00
1;2;2016-03-22 09:20:00;2016-03-22 10:20:00
2;3;2016-03-22 09:40:00;2016-03-22 10:14:00
3;4;2016-03-22 10:00:00;2016-03-22 10:31:00
4;5;2016-03-22 08:11:00;2016-03-22 09:35:00
4;6;2016-03-23 14:11:00;2016-03-23 14:23:00
"""
df = pd.read_csv(io.StringIO(data), sep=';', index_col=0,
parse_dates=['Shift_Time_Start','Shift_Time_End'])
# time interval
freq = '10min'
# prepare resulting DF with desired intervals
a = pd.DataFrame({
'begin': pd.date_range(df.Shift_Time_Start.min(),
df.Shift_Time_End.max(), freq=freq)
})
# resample
a = a.set_index('begin').resample(rule='5min').first().reset_index()
a['end'] = a.begin + pd.Timedelta(freq)
# count number of unique Shift_ID's in `DF` for each interval in `a`
def f(x):
return df[( (x.begin >= df.Shift_Time_Start) \
& \
(x.begin <= df.Shift_Time_End)
) \
| \
( (x.end >= df.Shift_Time_Start) \
& \
(x.end <= df.Shift_Time_End)
) \
].Shift_ID.nunique()
a['count'] = a.apply(f, axis=1)
# remove rows without any shifts
a = a[a['count'] > 0].reset_index(drop=True)
a['interval'] = a.begin.dt.strftime('%d.%m %H:%M').astype(str) + \
' - ' + \
a.end.dt.strftime('%d.%m %H:%M').astype(str)
a = a.set_index('interval')[['count']]
print(a)
matplotlib.style.use('ggplot')
a.plot(kind='bar', alpha=0.75)
fig = plt.gcf()
fig.subplots_adjust(bottom=0.2)
plt.show()
源数据集：
In [135]: df
Out[135]:
Shift_ID Shift_Time_Start Shift_Time_End
idx
0 1 2016-03-22 09:00:00 2016-03-22 09:35:00
1 2 2016-03-22 09:20:00 2016-03-22 10:20:00
2 3 2016-03-22 09:40:00 2016-03-22 10:14:00
3 4 2016-03-22 10:00:00 2016-03-22 10:31:00
4 5 2016-03-22 08:11:00 2016-03-22 09:35:00
4 6 2016-03-23 14:11:00 2016-03-23 14:23:00
In [136]: a
Out[136]:
count
interval
22.03 08:10 - 22.03 08:20 1
22.03 08:15 - 22.03 08:25 1
22.03 08:20 - 22.03 08:30 1
22.03 08:25 - 22.03 08:35 1
22.03 08:30 - 22.03 08:40 1
22.03 08:35 - 22.03 08:45 1
22.03 08:40 - 22.03 08:50 1
22.03 08:45 - 22.03 08:55 1
22.03 08:50 - 22.03 09:00 2
22.03 08:55 - 22.03 09:05 2
22.03 09:00 - 22.03 09:10 2
22.03 09:05 - 22.03 09:15 2
22.03 09:10 - 22.03 09:20 3
22.03 09:15 - 22.03 09:25 3
22.03 09:20 - 22.03 09:30 3
22.03 09:25 - 22.03 09:35 3
22.03 09:30 - 22.03 09:40 4
22.03 09:35 - 22.03 09:45 4
22.03 09:40 - 22.03 09:50 2
22.03 09:45 - 22.03 09:55 2
22.03 09:50 - 22.03 10:00 3
22.03 09:55 - 22.03 10:05 3
22.03 10:00 - 22.03 10:10 3
22.03 10:05 - 22.03 10:15 3
22.03 10:10 - 22.03 10:20 3
22.03 10:15 - 22.03 10:25 2
22.03 10:20 - 22.03 10:30 2
22.03 10:25 - 22.03 10:35 1
22.03 10:30 - 22.03 10:40 1
23.03 14:05 - 23.03 14:15 1
23.03 14:10 - 23.03 14:20 1
23.03 14:15 - 23.03 14:25 1
23.03 14:20 - 23.03 14:30 1
答案 1 :(得分：1)
这不太容易。我无法真正想到一种完全矢量化的方法，但这里有两种方法可以工作。
1-重新组织您的数据，以便您只有一个日期时间列。目标是为每个 shift_ID 每最小间隔一行。然后你就可以到了一个timegrouper groupby。
工作示例：
重新创建您的DataFrame
import pandas as pd
import arrow
data = {
'Shift_ID' : [1,2,3,4],
'Shift_Time_Start' : [arrow.get('2016-03-22 09:00:00').datetime,
arrow.get('2016-03-22 09:20:00').datetime,
arrow.get('2016-03-22 09:40:00').datetime,
arrow.get('2016-03-22 10:00:00').datetime
],
'Shift_Time_End' : [arrow.get('2016-03-22 09:35:00').datetime,
arrow.get('2016-03-22 10:20:00').datetime,
arrow.get('2016-03-22 10:14:00').datetime,
arrow.get('2016-03-22 10:31:00').datetime
],
}
df = pd.DataFrame(data)
min_int = '5T'
df
Shift_ID Shift_Time_End Shift_Time_Start
0 1 2016-03-22 09:35:00+00:00 2016-03-22 09:00:00+00:00
1 2 2016-03-22 10:20:00+00:00 2016-03-22 09:20:00+00:00
2 3 2016-03-22 10:14:00+00:00 2016-03-22 09:40:00+00:00
3 4 2016-03-22 10:31:00+00:00 2016-03-22 10:00:00+00:00
创建新的Df
new_data = {'time' : [], 'Shift_ID': []} # dict to hold the data
for row in df.iterrows():
# creates a list of all dates of this shift, from start to end
dates = pd.date_range(row[1].Shift_Time_Start, row[1].Shift_Time_End, freq=min_int)
for date in dates:
new_data['time'].append(date)
new_data['Shift_ID'].append(row[1].Shift_ID)
# creating the new df
newdf = pd.DataFrame(new_data).set_index('time')
newdf.head()
Shift_ID
time
2016-03-22 09:00:00+00:00 1
2016-03-22 09:05:00+00:00 1
2016-03-22 09:10:00+00:00 1
2016-03-22 09:15:00+00:00 1
2016-03-22 09:20:00+00:00 1
Groupby Timegrouper
# We groupby the time column, resampling every min_int
# (in our case 5 minutes, represented by '5T'),
# then we check how many uniquer shift_id.
newdf.groupby(pd.TimeGrouper(freq=min_int)).agg({'Shift_ID': lambda x : len(set(x))})
Shift_ID
time
2016-03-22 09:00:00+00:00 1
2016-03-22 09:05:00+00:00 1
2016-03-22 09:10:00+00:00 1
2016-03-22 09:15:00+00:00 1
2016-03-22 09:20:00+00:00 2
2016-03-22 09:25:00+00:00 2
2016-03-22 09:30:00+00:00 2
2016-03-22 09:35:00+00:00 2
2016-03-22 09:40:00+00:00 2
在9:15读作，有一个班次正在进行，而在9:20，有2个
这不完全是您想要的输出，但我认为这更容易绘制。如果你想匹配你想要的输出，那应该很容易（只需用.shift创建一个移动的日期列的副本）。
**编辑
相关问题
最新问题
- 我写了这段代码，但我无法理解我的错误
- 我无法从一个代码实例的列表中删除 None 值，但我可以在另一个实例中。为什么它适用于一个细分市场而不适用于另一个细分市场？
- 是否有可能使 loadstring 不可能等于打印？卢阿
- java中的random.expovariate()
- Appscript 通过会议在 Google 日历中发送电子邮件和创建活动
- 为什么我的 Onclick 箭头功能在 React 中不起作用？
- 在此代码中是否有使用“this”的替代方法？
- 在 SQL Server 和 PostgreSQL 上查询，我如何从第一个表获得第二个表的可视化
- 每千个数字得到
- 更新了城市边界 KML 文件的来源？