Рассчитать сумму столбцов, сгруппированных по часам

Question

Я пытаюсь рассчитать общую стоимость кадровых потребностей за день.Моя попытка group People требуется в течение дня и умножить стоимость.Затем я пытаюсь group это стоимость в час.Но мои выходные данные не верны.

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as dates

d = ({
    'Time' : ['0/1/1900 8:00:00','0/1/1900 9:59:00','0/1/1900 10:00:00','0/1/1900 12:29:00','0/1/1900 12:30:00','0/1/1900 13:00:00','0/1/1900 13:02:00','0/1/1900 13:15:00','0/1/1900 13:20:00','0/1/1900 18:10:00','0/1/1900 18:15:00','0/1/1900 18:20:00','0/1/1900 18:25:00','0/1/1900 18:45:00','0/1/1900 18:50:00','0/1/1900 19:05:00','0/1/1900 19:07:00','0/1/1900 21:57:00','0/1/1900 22:00:00','0/1/1900 22:30:00','0/1/1900 22:35:00','1/1/1900 3:00:00','1/1/1900 3:05:00','1/1/1900 3:20:00','1/1/1900 3:25:00'],                 
    'People' : [1,1,2,2,3,3,2,2,3,3,4,4,3,3,2,2,3,3,4,4,3,3,2,2,1],                      
     })

df = pd.DataFrame(data = d)

df['Time'] = ['/'.join([str(int(x.split('/')[0])+1)] + x.split('/')[1:]) for x in df['Time']]
df['Time'] = pd.to_datetime(df['Time'], format='%d/%m/%Y %H:%M:%S')
formatter = dates.DateFormatter('%Y-%m-%d %H:%M:%S') 

df = df.groupby(pd.Grouper(freq='15T',key='Time'))['People'].max().ffill()
df = df.reset_index(level=['Time'])

df['Cost'] = df['People'] * 26

cost = df.groupby([df['Time'].dt.hour])['Cost'].sum()

#For reference. This plot displays people required throughout the day
fig, ax = plt.subplots(figsize = (10,5))
plt.plot(df['Time'], df['People'], color = 'blue')

plt.locator_params(axis='y', nbins=6)
ax.xaxis.set_major_formatter(formatter)
ax.xaxis.set_major_formatter(dates.DateFormatter('%H:%M:%S'))
plt.ylabel('People Required', labelpad = 10)
plt.xlabel('Time', labelpad = 10)

print(cost)

Out:

0     416.0
1     416.0
2     416.0
3     130.0
8     104.0
9     104.0
10    208.0
11    208.0
12    260.0
13    312.0
14    312.0
15    312.0
16    312.0
17    312.0
18    364.0
19    312.0
20    312.0
21    312.0
22    416.0
23    416.0

Я провел вычисления вручную, и общая стоимость должна составить:

$1456

Answer 1

Я думаю, что неправильные цифры в вашем вопросе, скорее всего, вызваны неправильными значениями даты и времени, которые у вас есть.Как только вы исправите это, вы должны получить правильные номера.Вот попытка моего конца, с небольшим изменением в столбце Время .

import pandas as pd

df = pd.DataFrame({
    'Time' : ['1/1/1900 8:00:00','1/1/1900 9:59:00','1/1/1900 10:00:00','1/1/1900 12:29:00','1/1/1900 12:30:00','1/1/1900 13:00:00','1/1/1900 13:02:00','1/1/1900 13:15:00','1/1/1900 13:20:00','1/1/1900 18:10:00','1/1/1900 18:15:00','1/1/1900 18:20:00','1/1/1900 18:25:00','1/1/1900 18:45:00','1/1/1900 18:50:00','1/1/1900 19:05:00','1/1/1900 19:07:00','1/1/1900 21:57:00','1/1/1900 22:00:00','1/1/1900 22:30:00','1/1/1900 22:35:00','1/2/1900 3:00:00','1/2/1900 3:05:00','1/2/1900 3:20:00','1/2/1900 3:25:00'],
    'People' : [1,1,2,2,3,3,2,2,3,3,4,4,3,3,2,2,3,3,4,4,3,3,2,2,1],                      
     })

>>>df
                 Time  People
0    1/1/1900 8:00:00       1
1    1/1/1900 9:59:00       1
2   1/1/1900 10:00:00       2
3   1/1/1900 12:29:00       2
4   1/1/1900 12:30:00       3
5   1/1/1900 13:00:00       3
6   1/1/1900 13:02:00       2
7   1/1/1900 13:15:00       2
8   1/1/1900 13:20:00       3
9   1/1/1900 18:10:00       3
10  1/1/1900 18:15:00       4
11  1/1/1900 18:20:00       4
12  1/1/1900 18:25:00       3
13  1/1/1900 18:45:00       3
14  1/1/1900 18:50:00       2
15  1/1/1900 19:05:00       2
16  1/1/1900 19:07:00       3
17  1/1/1900 21:57:00       3
18  1/1/1900 22:00:00       4
19  1/1/1900 22:30:00       4
20  1/1/1900 22:35:00       3
21   1/2/1900 3:00:00       3
22   1/2/1900 3:05:00       2
23   1/2/1900 3:20:00       2
24   1/2/1900 3:25:00       1

df.Time = pd.to_datetime(df.Time)
df.Time.set_index('Time', inplace=True)
df_group = df.resample('15T').max().ffill()
df_hour = df_group.resample('1h').max()
df_hour['Cost'] = df_hour['People'] * 26

>>>df_hour
                     People   Cost
Time
1900-01-01 08:00:00     1.0   26.0
1900-01-01 09:00:00     1.0   26.0
1900-01-01 10:00:00     2.0   52.0
1900-01-01 11:00:00     2.0   52.0
1900-01-01 12:00:00     3.0   78.0
1900-01-01 13:00:00     3.0   78.0
1900-01-01 14:00:00     3.0   78.0
1900-01-01 15:00:00     3.0   78.0
1900-01-01 16:00:00     3.0   78.0
1900-01-01 17:00:00     3.0   78.0
1900-01-01 18:00:00     4.0  104.0
1900-01-01 19:00:00     3.0   78.0
1900-01-01 20:00:00     3.0   78.0
1900-01-01 21:00:00     3.0   78.0
1900-01-01 22:00:00     4.0  104.0
1900-01-01 23:00:00     4.0  104.0
1900-01-02 00:00:00     4.0  104.0
1900-01-02 01:00:00     4.0  104.0
1900-01-02 02:00:00     4.0  104.0
1900-01-02 03:00:00     3.0   78.0

>>>df_hour.sum()
People      60.0
Cost      1560.0
dtype: float64

Редактировать: Взял меня за чтение во второй раз, чтобы понять методологию, котораявы используетеВозможно, неверное число, которое вы получили, связано с группировкой по sum() после того, как вы выполнили ffill() в агрегированном столбце People .Поскольку ffill() заполняет пробелы в последнем действительном значении, вы фактически переоценили свои расходы за эти периоды.Вы должны снова использовать max(), чтобы найти максимальное количество сотрудников, необходимое для этого часа.