pandas作业

作业要求

我们尝试 ? Pandas 来玩玩一些真实的数据。文 ? tickets_201803.csv 含有三月份中国区ITSM的支持数据 ?

大约这么个样子

 

简单整理后

练习1：求OSS-QD ?3月份的Ticket数量和Ticket平均解决时间在中国区的名次 ?

df = pd.read_csv('tickets_201803.csv')
cols = ['Ticket No.',
        'Location',
        'CreateTime',
        'CloseTime',
        'OpenDuration',
        'CloseByGroup',
        'CloseBy',]

df2=df[df['CloseByGroup'] == 'OSS-QD'].set_index('Ticket No.')
#这里当最普通的条件过滤理解即可 df[df['num']>5]
df2.groupby('')

运行结果

#练习2：求OSS-QD组各个工程师的Ticket相关统计
继续上边的不变

df2=df[df['CloseByGroup'] == 'OSS-QD'].set_index('Ticket No.')
df2.describe()
group=df2.groupby('Assginee')
group.describe()

运行结果

 

 

#练习3: 为df1添加一列，列的内容是对应每条Ticket所对应日期在一周中的名 ?

df1 = df[cols].set_index('Ticket No.')
a=df1['CreateTime'].dt.weekday # 一个时间序列的 dt 对象可以返回很多有用的属性，weekday就是其中之一
df1['weekday']=a   #把a列添加到df1
weekday_dic={0:'Mon',1:'Tue',2:'Wed',3:'Thurs',4:'Fri',5:'Sat',6:'Sun'} #生成一个日期对应的字典
df1['weekday']=df1['weekday'].map(weekday_dic) #进行替换操作
group=df1.groupby('weekday') 
group.describe()  #进行数据分析
df1.to_csv('newtickets_201803.csv')     # 保存整理过的数据

运行结果

 

 

 进行数据分析

 

 

转载于:https://www.cnblogs.com/PYlog/p/9147969.html