Файл: Import pandas as pd data pd read csv('datasetsvisits csv', sep't').pptx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 04.12.2023
Просмотров: 249
Скачиваний: 6
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Задания
1 .import pandas as pddata = pd.read_csv('/datasets/visits.csv', sep='\t')Причиной коротких заездов может быть то, что водители нечаянно заезжают на АЗС, которые не работают по ночам. Если это действительно так, то вы увидите связь между короткими заездами и временем прибытия. Чтобы проверить эту гипотезу, измените тип столбца date_time на более удобный тип для даты. Методом pd.to_datetime() переведите значения столбца date_time в таблице data в объекты datetime. В параметре format= укажите строку, соответствующую текущему формату date_time, с помощью специальных обозначений.Выведите на экран первые пять строк data, чтобы проверить, что получилось.*Поместите в data['date_time'] результат работы метода pd.to_datetime(). В аргументе format должен быть указан формат даты: '%Y%m%dT%H%M%S'. Методом head() выведите на экран первые пять строк data.2. import pandas as pddata = pd.read_csv('/datasets/visits.csv', sep='\t')Напомним, что в датафрейме записано время UTC. Московское рассчитывают как UTC + 3 часа.Создайте столбец data['local_time'] и сохраните в нём сдвинутое на 3 часа время из столбца data['date_time']. Напечатайте первые 5 строк таблицы data.*Передайте в pd.Timedelta() аргумент hours=3. Первые 5 строк выведите на экран методом head().3import pandas as pddata = pd.read_csv('/datasets/visits.csv', sep='\t')Данные, связанные со временем, лучше округлять до той величины, которой будет достаточно для детального анализа. Чтобы проанализировать взаимосвязь между временем прибытия на АЗС и продолжительностью заезда, точность до минут и секунд не нужна. Округлите время до часов.Выполните следующие шаги:Создайте новый столбец date_hour и передайте ему значения столбца local_time, округлённые до часов.Выведите первые пять строк data, чтобы проверить результаты.*К данным столбца local_time примените метод dt.round(). Передайте методу строку 1H. Присвойте результат столбцу date_hour.4import pandas as pddata = pd.read_csv('/datasets/visits.csv', sep='\t')data['date_time'] = pd.to_datetime(data['date_time'], format='%Y-%m-%dT%H:%M:%S')data['local_time'] = data['date_time'] + pd.Timedelta(hours=3)Снова создайте переменную sample, записав в неё срез из данных по АЗС с id == '3c1e4c52'. Обратите внимание, что на этот раз в sample войдут все форматы времени.Пользуясь данными sample, постройте график зависимости продолжительности заправки от времени заезда. За основу возьмите соответствующие столбцы time_spent и local_time. Оси X присвойте значения столбца local_time, а оси Y — значения столбца time_spent.Проверьте, всё ли верно отображено на графике:Каждый элемент обозначен точкой.Диапазон оси Y указан от 0 до 1000.Добавлены сетки.Размер графика 12х6 дюймов.*Методом query() получите нужный срез. Сохраните результат в sample.Методу plot() задайте параметры: x, y, ylim, style, grid, figsize.