3-订单持续时间的计算

最新推荐文章于 2021-09-01 20:31:26 发布
最新推荐文章于 2021-09-01 20:31:26 发布
阅读量414 收藏 1
点赞数
分类专栏： 交通大数据 文章标签： matplotlib 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44676579/article/details/112974077
版权 
#读取taxiod订单表

#删除练习

import pandas as pd
taxiod = pd.read_csv(r'data-sample/TaxiOD.csv',header=None) # 要加上后缀名 .csv
taxiod.columns=['VehicleNum','Stime','SLng','SLat','ELng','ELat','Etime']
taxiod

C:\Program Files (x86)\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py:3146: DtypeWarning: Columns (0,2,3,4,5) have mixed types.Specify dtype option on import or set low_memory=False.
  has_raised = await self.run_ast_nodes(code_ast.body, cell_name,
VehicleNumStimeSLngSLatELngELatEtime
0VehicleNumStimeSLngSLatELngELatEtime
12222300:03:23114.1674649999999922.562468114.2252350000000122.5527500:10:48
22222300:11:33114.2271522.554167114.2292179999999922.56021700:15:19
32222300:17:13114.2313540000000122.562166114.25579822.59096700000000300:29:06
42222300:36:45114.24019622.56365114.11996522.56666800:54:42
........................
4647143694722:39:12114.00622.5481113.99622.537122:46:25
4647153694722:49:38113.99522.535113.92222.496523:13:15
4647163694723:24:24113.92122.5135113.9322.494223:30:32
4647173694723:37:09113.92822.5126113.91122.487923:49:10
4647183694723:52:18113.9122.4876NaNNaNNaN

464719 rows × 7 columns

taxiod=taxiod.drop([0])  # 删除第一行 

taxiod.index = range(len(taxiod)) # 重新排序索引

taxiod
VehicleNumStimeSLngSLatELngELatEtime
02222300:03:23114.1674649999999922.562468114.2252350000000122.5527500:10:48
12222300:11:33114.2271522.554167114.2292179999999922.56021700:15:19
22222300:17:13114.2313540000000122.562166114.25579822.59096700000000300:29:06
32222300:36:45114.24019622.56365114.11996522.56666800:54:42
42222301:01:14114.1354139999999822.575933114.16674822.60826701:08:17
........................
4647133694722:39:12114.00622.5481113.99622.537122:46:25
4647143694722:49:38113.99522.535113.92222.496523:13:15
4647153694723:24:24113.92122.5135113.9322.494223:30:32
4647163694723:37:09113.92822.5126113.91122.487923:49:10
4647173694723:52:18113.9122.4876NaNNaNNaN

464718 rows × 7 columns

taxiod=taxiod[-taxiod['ELng'].isnull()] # 删掉最后一行为空的   方法  先找到为空的 然后索引 然后去掉  然后赋值给taxiod

tmp= pd.to_datetime(taxiod['Stime'])
tmp

0        2021-03-03 00:03:23
1        2021-03-03 00:11:33
2        2021-03-03 00:17:13
3        2021-03-03 00:36:45
4        2021-03-03 01:01:14
                 ...        
464712   2021-03-03 22:08:22
464713   2021-03-03 22:39:12
464714   2021-03-03 22:49:38
464715   2021-03-03 23:24:24
464716   2021-03-03 23:37:09
Name: Stime, Length: 464717, dtype: datetime64[ns]

tmp1=pd.to_datetime(taxiod['Etime'])
tmp1

0        2021-03-03 00:10:48
1        2021-03-03 00:15:19
2        2021-03-03 00:29:06
3        2021-03-03 00:54:42
4        2021-03-03 01:08:17
                 ...        
464712   2021-03-03 22:36:53
464713   2021-03-03 22:46:25
464714   2021-03-03 23:13:15
464715   2021-03-03 23:30:32
464716   2021-03-03 23:49:10
Name: Etime, Length: 464717, dtype: datetime64[ns]

Duration=tmp1-tmp
Duration
taxiod['Duration']=Duration
taxiod

<ipython-input-10-8b258a85ed6d>:3: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  taxiod['Duration']=Duration
VehicleNumStimeSLngSLatELngELatEtimeDuration
02222300:03:23114.1674649999999922.562468114.2252350000000122.5527500:10:480 days 00:07:25
12222300:11:33114.2271522.554167114.2292179999999922.56021700:15:190 days 00:03:46
22222300:17:13114.2313540000000122.562166114.25579822.59096700000000300:29:060 days 00:11:53
32222300:36:45114.24019622.56365114.11996522.56666800:54:420 days 00:17:57
42222301:01:14114.1354139999999822.575933114.16674822.60826701:08:170 days 00:07:03
...........................
4647123694722:08:22113.91422.5314113.99722.545622:36:530 days 00:28:31
4647133694722:39:12114.00622.5481113.99622.537122:46:250 days 00:07:13
4647143694722:49:38113.99522.535113.92222.496523:13:150 days 00:23:37
4647153694723:24:24113.92122.5135113.9322.494223:30:320 days 00:06:08
4647163694723:37:09113.92822.5126113.91122.487923:49:100 days 00:12:01

464717 rows × 8 columns

taxiod.rename(columns={'duration': 'Duration'}, inplace=True)  # 重命名某列

C:\Program Files (x86)\Anaconda3\lib\site-packages\pandas\core\frame.py:4296: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  return super().rename(

taxiod
VehicleNumStimeSLngSLatELngELatEtimeDuration
02222300:03:23114.1674649999999922.562468114.2252350000000122.5527500:10:480 days 00:07:25
12222300:11:33114.2271522.554167114.2292179999999922.56021700:15:190 days 00:03:46
22222300:17:13114.2313540000000122.562166114.25579822.59096700000000300:29:060 days 00:11:53
32222300:36:45114.24019622.56365114.11996522.56666800:54:420 days 00:17:57
42222301:01:14114.1354139999999822.575933114.16674822.60826701:08:170 days 00:07:03
...........................
4647123694722:08:22113.91422.5314113.99722.545622:36:530 days 00:28:31
4647133694722:39:12114.00622.5481113.99622.537122:46:250 days 00:07:13
4647143694722:49:38113.99522.535113.92222.496523:13:150 days 00:23:37
4647153694723:24:24113.92122.5135113.9322.494223:30:320 days 00:06:08
4647163694723:37:09113.92822.5126113.91122.487923:49:100 days 00:12:01

464717 rows × 8 columns

r=taxiod['Duration'].iloc[0]
taxiod['order_time']=taxiod['Duration'].apply(lambda r:r.seconds)

<ipython-input-13-d23b5d7f6867>:2: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  taxiod['order_time']=taxiod['Duration'].apply(lambda r:r.seconds)

taxiod.drop(columns=['Duration'])
VehicleNumStimeSLngSLatELngELatEtimeorder_time
02222300:03:23114.1674649999999922.562468114.2252350000000122.5527500:10:48445
12222300:11:33114.2271522.554167114.2292179999999922.56021700:15:19226
22222300:17:13114.2313540000000122.562166114.25579822.59096700000000300:29:06713
32222300:36:45114.24019622.56365114.11996522.56666800:54:421077
42222301:01:14114.1354139999999822.575933114.16674822.60826701:08:17423
...........................
4647123694722:08:22113.91422.5314113.99722.545622:36:531711
4647133694722:39:12114.00622.5481113.99622.537122:46:25433
4647143694722:49:38113.99522.535113.92222.496523:13:151417
4647153694723:24:24113.92122.5135113.9322.494223:30:32368
4647163694723:37:09113.92822.5126113.91122.487923:49:10721

464717 rows × 8 columns

taxiod['hour']=taxiod['Stime'].apply(lambda r:r.split(':')[0])
taxiod

<ipython-input-15-c7c6b55b9ff2>:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy
  taxiod['hour']=taxiod['Stime'].apply(lambda r:r.split(':')[0])
VehicleNumStimeSLngSLatELngELatEtimeDurationorder_timehour
02222300:03:23114.1674649999999922.562468114.2252350000000122.5527500:10:480 days 00:07:2544500
12222300:11:33114.2271522.554167114.2292179999999922.56021700:15:190 days 00:03:4622600
22222300:17:13114.2313540000000122.562166114.25579822.59096700000000300:29:060 days 00:11:5371300
32222300:36:45114.24019622.56365114.11996522.56666800:54:420 days 00:17:57107700
42222301:01:14114.1354139999999822.575933114.16674822.60826701:08:170 days 00:07:0342301
.................................
4647123694722:08:22113.91422.5314113.99722.545622:36:530 days 00:28:31171122
4647133694722:39:12114.00622.5481113.99622.537122:46:250 days 00:07:1343322
4647143694722:49:38113.99522.535113.92222.496523:13:150 days 00:23:37141722
4647153694723:24:24113.92122.5135113.9322.494223:30:320 days 00:06:0836823
4647163694723:37:09113.92822.5126113.91122.487923:49:100 days 00:12:0172123

464717 rows × 10 columns

import matplotlib.pyplot as plt
fig  =plt.figure(1,(7,3),dpi=250)
ax   =plt.subplot(111)
plt.sca(ax)

plt.boxplot(taxiod['order_time']/60)
plt.ylabel('minutes')
plt.xlabel('order time')
plt.ylim(0,60)

plt.show()

​
在这里插入图片描述

import matplotlib.pyplot as plt
fig     = plt.figure(1,(10,5),dpi = 250)     
ax      = plt.subplot(111)
plt.sca(ax)

#整理数据
hour = taxiod['hour'].drop_duplicates().sort_values()
datas = []
for i in range(len(hour)):
    datas.append(taxiod[taxiod['hour']==hour.iloc[i]]['order_time']/60)
#绘制
plt.boxplot(datas)
#更改x轴ticks的文字
plt.xticks(range(1,len(hour)+1),list(hour))
###################################################################################

plt.ylabel('Order time(minutes)')
plt.xlabel('Order start time')
plt.ylim(0,60)


plt.show()

​
在这里插入图片描述

​

import seaborn as sns 
fig     = plt.figure(1,(10,5),dpi = 250)     
ax      = plt.subplot(111)
plt.sca(ax)

# 只需一行
sns.boxplot(x='hour',y=taxiod['order_time']/60,data=taxiod,ax=ax)

plt.ylabel('order_time(minutes)')
plt.xlabel('order start time')
plt.ylim(0,(60))
plt.show()

​
在这里插入图片描述
code_Wang910
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas数据预处理_合并_清洗_标准化数据_转换数据
酱汁儿
07-31 3098
目录 1. 堆叠合并数据 1.1 横向表堆叠（axis=1,concat做行对齐） 1.2 纵向堆叠（axis=0,concat做列对齐） 1.3 主键合并数据 2.清洗数据 2.1 检测与处理重复值 3 、标准化数据 3.1离差标准化公式： 3.2标准差标准化数据： 3.3小数定标标准化公式及对比： 4.转换数据 4.1 哑变量处理类别数据 5.任务 6.相关代码参考...
python系统状态_python实现系统状态监测和故障转移实例方法
weixin_39547596的博客
12-20 58
#coding: utf-8import socketimport selectimport timeimport osimport threadingdef ser():s = socket.socket(socket.AF_INET,socket.SOCK_DGRAM)s.bind(("",43244))while 1:infds,outfds,errfds = select.select([...
深入理解JavaScript的美妙
weixin_39807883的博客
03-08 477
javascript
对COVID-19论文进行自动分类——文献聚合分类实现方案
随笔记
10-26 3641
概述 实现步骤： 使用自然语言处理（NLP）从每个文档的正文中解析文本。 使用术语频率-逆文档频率（TF-IDF）将每个文档实例????????转换为特征向量 feature。 使用 t 分布随机近邻嵌入（t-SNE）对每个特征向量进行降维，将相似的文章聚集在二维平面 ????1 中。 使用主成分分析（PCA）将数据的维数投影到多个维，这些维将保持 0.95 的方差，同时消除嵌入 ????2 时的噪声和离群值。 在 ????2 上应用 k-means 聚类，其中????为 10，以标记 ????1 上的
计算机行业医疗信息化订单统计系列（五）：市场集中度持续提升，院内增长依然强劲-1024-招商证券-30页.pdf
最新发布
07-23
报告指出，尽管行业整体订单增速有所放缓，但市场集中度正在持续提升，这表明头部公司在医疗信息化领域的影响力日益增强。 医疗信息化的订单统计数据显示，2019年第三季度8家代表性公司的订单总额达到了14.68亿元，...
介绍SAP PP-PI简介 资源 配方 流程订单
03-11
3. **流程订单（Process Order）**：流程订单是生产活动的具体实例，涵盖了从原材料投入至成品产出的整个过程。在SAP PP-PI中，流程订单详细记录了每个生产步骤，包括工艺路线、所需资源、预计时间和实际耗时等，有...
open_hours：使用营业时间进行时间计算
02-05
在Elixir编程语言中，`open_hours`库是一个非常实用的工具，专门用于处理与商业或营业时间相关的时间计算。这个库的设计目的是帮助开发者在处理那些遵循特定工作日和营业时间段的业务逻辑时，能够更加方便地进行时间...
gngsql计算机信息化管理表3.docx
10-14
文档标题和描述中提到的“gngsql计算机信息化管理表3.docx”可能是指一个用于管理计算机硬件资源或办公耗材的...对于大型企业来说，这样的信息化管理是不可或缺的，可以提高效率，降低成本，并支持企业的可持续发展。
计算机专业实习总结报告.doc
10-14
他学习了Java的新领域，如异常处理、字符串格式化、日期和时间处理、Java核心技术、线程管理、JDBC数据库连接、JavaEE框架开发。此外，他还掌握了HeidiSQL、Dreamweaver和TortoiseSVN等工具的使用，增强了实际操作...
【CookBook pandas】学习笔记第五章 Exploratory Data Analysis
萝卜丝儿皮尔
03-20 366
dive more into … 深入讨论 exploratory data analysis , the process of sifting through the data and trying to make sense of the individual columns and the relationships between them. literally 简直，差不多 what is ‘parsing dates’…… divine more about the data object
pandas 数据透视表
ljh18885466426的博客
09-01 8013
**我们可以使用df.pivot_table() ，来实现同样的功能，参数如下 index：行索引，传入原始数据的列名 columns：列索引，传入原始数据的列名 values: 要做聚合操作的列名 aggfunc：聚合函数** 数据透视表 学习目标 知道什么是透视表 掌握Pandas透视表（pivot_table）的使用方法 1 Pandas 透视表概述 透视表是一种可以对数据动态排布并且分类汇总的表格格式。或许大多数人都在Excel使用过数据透视表，也体会到它的强大功能，而在pandas中它被
python变量初始化的位置不当、程序结果可能会出现问题_解决tensorflow由于未初始化变量而导致的错误问题...
weixin_39704374的博客
12-08 540
我写的这个程序import tensorflow as tfsess=tf.InteractiveSession()x=tf.Variable([1.0,2.0])a=tf.constant([3.0,3.0])x.initializer.run()sun=tf.div(x,a)print(sub.eval())sess.close()出现了如下所示的错误：原因是倒数第二行的sub没有初始化，倒数...
python ast 语法分析
热门推荐
呼呼的专栏
02-20 3万+
ast(Abstract Syntax Trees)是python中非常有用的一个模块，我们可以通过分析python的抽象语法树来对python的代码进行分析和修改。 ast作用在python代码的语法被解析后，被编译成字节码之前。 一. ast 1. 获取语法树 ast模块的基本使用是非常简单的，我们可以通过如下代码快速得到一棵抽象语法树： import ast root_node =
开始时间，结束时间算法
zenglinxia的博客
03-29 1348
function isLeapYear(iYear){ //判断闰、平年 return ((iYear % 4 == 0) && ((iYear % 100 != 0) || (iYear % 400 == 0))); } _daysInMonth = [31,28,31,30,31,30,31,31,30,31,30,31]; //每月天数 function fakeAddM...
生产订单中的日期/时间
SSSSSSSSS的博客
08-27 5073
当计划类型为“向后”时，输入基本日期-结束，系统可自动计算出基本日期-开始。 之前以为的规则根据自制天数和计划边际码计算，但是实际测试时发现好像和自制天数没什么关系，不知道自制天数何时起作用。 基本结束日期： 物料无自制天数，基本结束日期为输入日期，时间为当天的24:00​​​​​​​ 物料有自制天数，基本结束日期为输入日期，时间为当天的00:00结果与F1显示范例相同 计划结束日期： F1指示：没什么可参考的信息。。。 计划结束日期的计算与工艺路线中的工序中定义...
订单问题
qq_26496077的博客
12-04 462
Description Rahul and Ankit are the only two waiters in Royal Restaurant. Today, the restaurant received N orders. The amount of tips may differ when handled by different waiters, if Rahul takes the i...
Python中SettingWithCopyWarning警告信息的解决方法
weixin_45694013的博客
12-01 7203
SettingWithCopyWarning问题背景问题出现的原因特殊情况总结 问题背景 在python中对DataFrame进行操作的时候，经常会遇到下面的这种警告信息。 SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead See the caveats in the
云计算-一种基于并行计算技术的程序化交易管理系统.pdf
07-07
为了进行套利，算法交易需要快速计算多市场之间的相关性，并将大额订单拆分成多个小额订单，通过不同渠道分散执行，以隐藏交易意图并提高交易效率。 然而，算法交易的实施带来了高昂的成本，包括管理众多不同的报价...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值