python - pandas DataFrame - Duration で時間を取得する

Question

私はパンダの比較的初心者であり、これにどのようにアプローチすればよいかわかりません。ヘルプデスクシステムを介したチケットフローを分析しています。生データは次のようになります (さらに多くの列があり、場合によっては何日にもわたります)。

    TicketNo SvcGroup           CreatedAt                   ClosedAt
0    4237941     Unix 2013-07-28 03:55:00 2013-07-28 11:01:37.346438
1    4238041  Windows 2013-07-28 04:59:00 2013-07-28 18:25:02.193182
2    4238051  Windows 2013-07-28 05:09:00 2013-07-28 23:11:12.003673
3    4238291  Windows 2013-07-28 05:10:00 2013-07-28 05:32:51.547251
4    4238321     Unix 2013-07-28 01:15:00        2013-07-28 10:09:20
5    4238331     Unix 2013-07-28 01:53:00 2013-07-28 17:42:56.192088
6    4238561  Windows 2013-07-28 02:03:00 2013-07-28 06:34:09.455042
7    4238691  Windows 2013-07-28 02:03:00 2013-07-28 20:54:47.306731
8    4238811  Windows 2013-07-28 03:23:00 2013-07-28 13:15:20.823505
9    4238851  Windows 2013-07-28 04:16:00 2013-07-28 23:51:55.561463
10   4239011     Unix 2013-07-28 04:26:00 2013-07-28 09:27:06.275342
11   4239041  Windows 2013-07-28 04:38:00 2013-07-28 07:55:34.416621
12   4239131     Unix 2013-07-28 08:15:00 2013-07-28 08:46:42.380739
13   4239141  Windows 2013-07-28 01:08:00 2013-07-28 15:37:12.266341

時間ごとのデータを見て、チケットがシフトごとにヘルプデスクをどのように流れているかを確認したいので、中間ステップは次のようになります。

                        Opened  Open  Closed  CarryFwd
TicketNo SvcGroup Hour
4237941  Unix     3          1     1       0         1
                  4          0     1       0         1
                  5          0     1       0         1
                  6          0     1       0         1
                  7          0     1       0         1
                  8          0     1       0         1
                  9          0     1       0         1
                  10         0     1       0         1
                  11         0     1       1         0
4239041  Windows  4          1     1       0         1
                  5          0     1       0         1
                  6          0     1       0         1
                  7          0     1       1         0

(上記のグループ化から) のような最終結果:

               Opened  Closed  CarryFwd
SvcGroup Hour
Unix     3          6       7        47
         4          7      10        44
         5          1       6        39
         6         11       2        48
         7          7       3        52
         8          5       5        52
         9          5      11        46
Windows  3          6       7        22
         4          3      10        15
         5          5       2        18
         6          6       2        22
         7         11      11        22
         8          2       4        20
         9          0       2        18

注: これは時間単位で分類されていますが、日単位、週単位などで確認することもできます。上記に到達すると、サービスグループが勢いを増しているか、遅れをとっているかなどがわかります。

これにアプローチする方法についてのアイデアはありますか? 私が本当に理解できない部分は、CreatedAt から ClosedAt の期間を取得し、それを個別の時間間隔 (時間など) で分割する方法です...

どんなガイダンスも大歓迎です。ありがとう。

score 0 · Accepted Answer

これは部分的な答えにすぎません。

データを読み込みます。2 つの日付/時刻列を結合する必要があることに注意してください

In [75]: df = read_csv(StringIO(data),sep='\s+',skiprows=1,parse_dates=[[3,4],[5,6]],header=None)

In [76]: df.columns = ['created','closed','idx','num','typ']

In [77]: df
Out[77]: 
               created                     closed  idx      num      typ
0  2013-07-28 03:55:00 2013-07-28 11:01:37.346438    0  4237941     Unix
1  2013-07-28 04:59:00 2013-07-28 18:25:02.193182    1  4238041  Windows
2  2013-07-28 05:09:00 2013-07-28 23:11:12.003673    2  4238051  Windows
3  2013-07-28 05:10:00 2013-07-28 05:32:51.547251    3  4238291  Windows
4  2013-07-28 01:15:00        2013-07-28 10:09:20    4  4238321     Unix
5  2013-07-28 01:53:00 2013-07-28 17:42:56.192088    5  4238331     Unix
6  2013-07-28 02:03:00 2013-07-28 06:34:09.455042    6  4238561  Windows
7  2013-07-28 02:03:00 2013-07-28 20:54:47.306731    7  4238691  Windows
8  2013-07-28 03:23:00 2013-07-28 13:15:20.823505    8  4238811  Windows
9  2013-07-28 04:16:00 2013-07-28 23:51:55.561463    9  4238851  Windows
10 2013-07-28 04:26:00 2013-07-28 09:27:06.275342   10  4239011     Unix
11 2013-07-28 04:38:00 2013-07-28 07:55:34.416621   11  4239041  Windows
12 2013-07-28 08:15:00 2013-07-28 08:46:42.380739   12  4239131     Unix
13 2013-07-28 01:08:00 2013-07-28 15:37:12.266341   13  4239141  Windows

In [78]: df.dtypes
Out[78]: 
created    datetime64[ns]
closed     datetime64[ns]
idx                 int64
num                 int64
typ                object
dtype: object

偶数ごとに、範囲内 (created-closed) に 1 を入れます。nan を 0 で埋めます。

In [82]: m = df.apply(lambda x: Series(1,index=np.arange(x['created'].hour,x['closed'].hour+1)),axis=1).fillna(0)

In [81]: m
Out[81]: 
    1   2   3   4   5   6   7   8   9   10  11  12  13  14  15  16  17  18  19  20  21  22  23
0    0   0   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0
1    0   0   0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0   0   0   0   0
2    0   0   0   0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1
3    0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
4    1   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0
5    1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0
6    0   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
7    0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0   0   0
8    0   0   1   1   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0
9    0   0   0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1
10   0   0   0   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0
11   0   0   0   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
12   0   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
13   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0

元のデータセットに結合し、インデックスを設定します

[83]: y = df[['num','typ']].join(m).set_index(['num','typ'])

In [84]: y
Out[84]: 
                 1   2   3   4   5   6   7   8   9   10  11  12  13  14  15  16  17  18  19  20  21  22  23
num     typ                                                                                                
4237941 Unix      0   0   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0
4238041 Windows   0   0   0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0   0   0   0   0
4238051 Windows   0   0   0   0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1
4238291 Windows   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
4238321 Unix      1   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0
4238331 Unix      1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0
4238561 Windows   0   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
4238691 Windows   0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0   0   0
4238811 Windows   0   0   1   1   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0
4238851 Windows   0   0   0   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1
4239011 Unix      0   0   0   1   1   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0
4239041 Windows   0   0   0   1   1   1   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
4239131 Unix      0   0   0   0   0   0   0   1   0   0   0   0   0   0   0   0   0   0   0   0   0   0   0
4239141 Windows   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   0   0   0   0   0   0   0   0

この時点で、計算を行うことができます

Opened/Closed は単純なエッジ検出です。キャリーフォワードはただm.where(m==1)

python - pandas DataFrame - Duration で時間を取得する

2 に答える 2

Related

Reference