Создайте Pandas DataFrame из словаря, где Keys = SKU, но значения - Date и другие поля. - PullRequest
Новая
       8

Создайте Pandas DataFrame из словаря, где Keys = SKU, но значения - Date и другие поля.

0 голосов
/ 04 февраля 2020

Я новичок в Python, поэтому, пожалуйста, потерпите меня.

Я пытаюсь преобразовать то, что я думаю, может быть вложенным словарем в CSV, который я могу экспортировать. Ниже мой код: 

import pandas as pd
import os 
from fbprophet import Prophet

# Read in File
df1 = pd.read_csv('File_Path.csv')

#Create Loop to Forecast Multiple SKUs
def get_prediction(df):
    prediction = {}
    df1 = df.rename(columns={'Date': 'ds','qty_ordered': 'y', 'item_no': 'item'})
    list_items = df1.item.unique()

    for item in list_items:
        item_df = df1.loc[df1['item'] == item]
        # set the uncertainty interval to 95% (the Prophet default is 80%)
        my_model = Prophet(yearly_seasonality= True, seasonality_prior_scale=1.0)
        my_model.fit(item_df)
        future_dates = my_model.make_future_dataframe(periods=12, freq='M')
        forecast = my_model.predict(future_dates)
        prediction[item] = forecast
    return prediction

# Save predictions to dictionary
df2 = get_prediction(df1)

# Convert dictionary
df3 = pd.DataFrame.from_dict(df3, index='columns)

Итак, последняя часть кода - это то, где я борюсь. Мне нужно преобразовать словарь df2 в фрейм данных (df3), чтобы я мог экспортировать его в csv. Но выглядит ли это как вложенный словарь? Не уверен, нужно ли мне обновить мою функцию.

Вот как выглядит фрагмент словаря enter image description here

Мне нужно экспортировать его, чтобы оно будет выглядеть так:

enter image description here

Любая помощь будет принята с благодарностью!

1 Ответ

1 голос
/ 04 февраля 2020

Сначала мы попробуем создать воспроизводимый пример:

Данные и импорт 

from fbprophet import Prophet
import numpy as np
import pandas as pd


df = pd.util.testing\
       .makeTimeDataFrame()\
       .reset_index()\
       .rename(columns={"index":"Date"})


df = pd.melt(df,
             id_vars=["Date"],
             var_name="item_no",
             value_vars=df.columns[1:],
             value_name="qty_ordered")

Использование вашей функции

Здесь я только что немного почистил ваш код 


# This returns a dict
def get_prediction(df):
    prediction = {}
    df = df.rename(columns={'Date': 'ds','qty_ordered': 'y', 'item_no': 'item'})
    list_items = df.item.unique()

    for item in list_items:
        item_df = df.loc[df['item'] == item]
        # set the uncertainty interval to 95% (the Prophet default is 80%)
        model = Prophet(yearly_seasonality= True, seasonality_prior_scale=1.0)
        model.fit(item_df)
        future_dates = model.make_future_dataframe(periods=12, freq='M')
        forecast = model.predict(future_dates)
        prediction[item] = forecast

    return prediction

df1 = get_prediction(df)

# From dictionary to df
df2 = []
for k,v in df1.items():
    v.insert(1, "item", [k]*len(v))
    df2.append(v)

df2 = pd.concat(df2, ignore_index=True)

Предсказание вывода df

Если вы немного измените свою функцию, вы можете получить dataframe в качестве вывода: 

def get_prediction_pandas(df):
    prediction = []
    df = df.rename(columns={'Date': 'ds','qty_ordered': 'y', 'item_no': 'item'})
    list_items = df.item.unique()

    for item in list_items:
        item_df = df.loc[df['item'] == item]
        # set the uncertainty interval to 95% (the Prophet default is 80%)
        model = Prophet(yearly_seasonality= True, seasonality_prior_scale=1.0)
        model.fit(item_df)
        future_dates = model.make_future_dataframe(periods=12, freq='M')
        forecast = model.predict(future_dates)
        forecast.insert(1, "item_no", [item]*len(forecast))
        prediction.append(forecast)
    prediction = pd.concat(prediction, ignore_index=True)
    return prediction

# this is a dataframe
df1 = get_prediction_pandas(df)
...