-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathGroupByDataFrame.py
221 lines (184 loc) · 9.34 KB
/
GroupByDataFrame.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
#!/usr/bin/env python2
import pandas as pd
dftru = pd.read_csv("csv_datos/DataFrame_tru.csv")
dftot = pd.read_csv("csv_datos/DataFrame_tot.csv")
dfsum = pd.read_csv("csv_datos/DataFrame_sum.csv")
dfavg = pd.read_csv("csv_datos/DataFrame_avg.csv")
dfstd = pd.read_csv("csv_datos/DataFrame_std.csv")
dfmed = pd.read_csv("csv_datos/DataFrame_med.csv")
dfmax = pd.read_csv("csv_datos/DataFrame_max.csv")
dfmin = pd.read_csv("csv_datos/DataFrame_min.csv")
dftru.head()
dftru_mm = dftru["dia"].str.split("_", n=2, expand=True)
dftot_mm = dftot["dia"].str.split("_", n=2, expand=True)
dfsum_mm = dfsum["dia"].str.split("_", n=2, expand=True)
dfavg_mm = dfavg["dia"].str.split("_", n=2, expand=True)
dfstd_mm = dfstd["dia"].str.split("_", n=2, expand=True)
dfmed_mm = dfmed["dia"].str.split("_", n=2, expand=True)
dfmax_mm = dfmax["dia"].str.split("_", n=2, expand=True)
dfmin_mm = dfmin["dia"].str.split("_", n=2, expand=True)
dftru_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dftot_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dfsum_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dfavg_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dfstd_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dfmed_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dfmax_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dfmin_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dftru_mm.head()
dftru_mm = pd.concat([dftru_mm,dftru], axis=1)
dftot_mm = pd.concat([dftot_mm,dftot], axis=1)
dfsum_mm = pd.concat([dfsum_mm,dfsum], axis=1)
dfavg_mm = pd.concat([dfavg_mm,dfavg], axis=1)
dfstd_mm = pd.concat([dfstd_mm,dfstd], axis=1)
dfmed_mm = pd.concat([dfmed_mm,dfmed], axis=1)
dfmax_mm = pd.concat([dfmax_mm,dfmax], axis=1)
dfmin_mm = pd.concat([dfmin_mm,dfmin], axis=1)
dftru_mm.drop(columns=["dia"], inplace=True)
dftot_mm.drop(columns=["dia"], inplace=True)
dfsum_mm.drop(columns=["dia"], inplace=True)
dfavg_mm.drop(columns=["dia"], inplace=True)
dfstd_mm.drop(columns=["dia"], inplace=True)
dfmed_mm.drop(columns=["dia"], inplace=True)
dfmax_mm.drop(columns=["dia"], inplace=True)
dfmin_mm.drop(columns=["dia"], inplace=True)
dftru_mm.head()
dftru_mm.shape
dftru_mm_agg = dftru_mm.groupby(["yyyy", "mm"], as_index=False).median()
dftot_mm_agg = dftot_mm.groupby(["yyyy", "mm"], as_index=False).median()
dfsum_mm_agg = dfsum_mm.groupby(["yyyy", "mm"], as_index=False).median()
dfavg_mm_agg = dfavg_mm.groupby(["yyyy", "mm"], as_index=False).median()
dfstd_mm_agg = dfstd_mm.groupby(["yyyy", "mm"], as_index=False).median()
dfmed_mm_agg = dfmed_mm.groupby(["yyyy", "mm"], as_index=False).median()
dfmax_mm_agg = dfmax_mm.groupby(["yyyy", "mm"], as_index=False).median()
dfmin_mm_agg = dfmin_mm.groupby(["yyyy", "mm"], as_index=False).median()
dftru_mm_agg.head()
dftru_mm_agg.shape
dftru_mm_agg.to_csv("csv_datos/DataFrame_tru_mm_agg.csv", index=False)
dftot_mm_agg.to_csv("csv_datos/DataFrame_tot_mm_agg.csv", index=False)
dfsum_mm_agg.to_csv("csv_datos/DataFrame_sum_mm_agg.csv", index=False)
dfavg_mm_agg.to_csv("csv_datos/DataFrame_avg_mm_agg.csv", index=False)
dfstd_mm_agg.to_csv("csv_datos/DataFrame_std_mm_agg.csv", index=False)
dfmed_mm_agg.to_csv("csv_datos/DataFrame_med_mm_agg.csv", index=False)
dfmax_mm_agg.to_csv("csv_datos/DataFrame_max_mm_agg.csv", index=False)
dfmin_mm_agg.to_csv("csv_datos/DataFrame_min_mm_agg.csv", index=False)
dftru_yyyy_agg = dftru_mm.groupby("yyyy", as_index=False).median()
dftot_yyyy_agg = dftot_mm.groupby("yyyy", as_index=False).median()
dfsum_yyyy_agg = dfsum_mm.groupby("yyyy", as_index=False).median()
dfavg_yyyy_agg = dfavg_mm.groupby("yyyy", as_index=False).median()
dfstd_yyyy_agg = dfstd_mm.groupby("yyyy", as_index=False).median()
dfmed_yyyy_agg = dfmed_mm.groupby("yyyy", as_index=False).median()
dfmax_yyyy_agg = dfmax_mm.groupby("yyyy", as_index=False).median()
dfmin_yyyy_agg = dfmin_mm.groupby("yyyy", as_index=False).median()
dftru_yyyy_agg.head()
dftru_yyyy_agg.shape
dftru_yyyy_agg.to_csv("csv_datos/DataFrame_tru_yyyy_agg.csv", index=False)
dftot_yyyy_agg.to_csv("csv_datos/DataFrame_tot_yyyy_agg.csv", index=False)
dfsum_yyyy_agg.to_csv("csv_datos/DataFrame_sum_yyyy_agg.csv", index=False)
dfavg_yyyy_agg.to_csv("csv_datos/DataFrame_avg_yyyy_agg.csv", index=False)
dfstd_yyyy_agg.to_csv("csv_datos/DataFrame_std_yyyy_agg.csv", index=False)
dfmed_yyyy_agg.to_csv("csv_datos/DataFrame_med_yyyy_agg.csv", index=False)
dfmax_yyyy_agg.to_csv("csv_datos/DataFrame_max_yyyy_agg.csv", index=False)
dfmin_yyyy_agg.to_csv("csv_datos/DataFrame_min_yyyy_agg.csv", index=False)
dftru_yyyy_agg = dftru_yyyy_agg.set_index("yyyy")
dftot_yyyy_agg = dftot_yyyy_agg.set_index("yyyy")
dfsum_yyyy_agg = dfsum_yyyy_agg.set_index("yyyy")
dfavg_yyyy_agg = dfavg_yyyy_agg.set_index("yyyy")
dfstd_yyyy_agg = dfstd_yyyy_agg.set_index("yyyy")
dfmed_yyyy_agg = dfmed_yyyy_agg.set_index("yyyy")
dfmax_yyyy_agg = dfmax_yyyy_agg.set_index("yyyy")
dfmin_yyyy_agg = dfmin_yyyy_agg.set_index("yyyy")
dftru_serie_agg = pd.DataFrame(dftru_yyyy_agg.median(), columns=["tru"])
dftot_serie_agg = pd.DataFrame(dftot_yyyy_agg.median(), columns=["tot"])
dfsum_serie_agg = pd.DataFrame(dfsum_yyyy_agg.median(), columns=["sum"])
dfavg_serie_agg = pd.DataFrame(dfavg_yyyy_agg.median(), columns=["avg"])
dfstd_serie_agg = pd.DataFrame(dfstd_yyyy_agg.median(), columns=["std"])
dfmed_serie_agg = pd.DataFrame(dfmed_yyyy_agg.median(), columns=["med"])
dfmax_serie_agg = pd.DataFrame(dfmax_yyyy_agg.median(), columns=["max"])
dfmin_serie_agg = pd.DataFrame(dfmin_yyyy_agg.median(), columns=["min"])
dftru_serie_agg.head()
dftru_serie_agg.shape
type(dftru_yyyy_agg)
dftot_serie_agg.head()
# import warnings
# warnings.simplefilter(action='ignore', category=FutureWarning)
dftru_serie_agg.index = dftru_serie_agg.index.astype(str).str[7:]
dftot_serie_agg.index = dftot_serie_agg.index.astype(str).str[7:]
dfsum_serie_agg.index = dfsum_serie_agg.index.astype(str).str[7:]
dfavg_serie_agg.index = dfavg_serie_agg.index.astype(str).str[7:]
dfstd_serie_agg.index = dfstd_serie_agg.index.astype(str).str[7:]
dfmed_serie_agg.index = dfmed_serie_agg.index.astype(str).str[7:]
dfmax_serie_agg.index = dfmax_serie_agg.index.astype(str).str[7:]
dfmin_serie_agg.index = dfmin_serie_agg.index.astype(str).str[7:]
dftru_serie_agg.to_csv("csv_datos/DataFrame_tru_serie_agg.csv", index=True, index_label="parcela", header=True)
dftot_serie_agg.to_csv("csv_datos/DataFrame_tot_serie_agg.csv", index=True, index_label="parcela", header=True)
dfsum_serie_agg.to_csv("csv_datos/DataFrame_sum_serie_agg.csv", index=True, index_label="parcela", header=True)
dfavg_serie_agg.to_csv("csv_datos/DataFrame_avg_serie_agg.csv", index=True, index_label="parcela", header=True)
dfstd_serie_agg.to_csv("csv_datos/DataFrame_std_serie_agg.csv", index=True, index_label="parcela", header=True)
dfmed_serie_agg.to_csv("csv_datos/DataFrame_med_serie_agg.csv", index=True, index_label="parcela", header=True)
dfmax_serie_agg.to_csv("csv_datos/DataFrame_max_serie_agg.csv", index=True, index_label="parcela", header=True)
dfmin_serie_agg.to_csv("csv_datos/DataFrame_min_serie_agg.csv", index=True, index_label="parcela", header=True)
dfpct_serie_agg = dftru_serie_agg.div(dftot_serie_agg.values, axis=0).mul(100)
dfpct_serie_agg.columns = ["pct"]
dfpct_serie_agg.head()
dfpct_serie_agg.to_csv("csv_datos/DataFrame_pct_serie_agg.csv", index=True, index_label="parcela", header=True)
###
### analisis temporal
###
### unir zonas con datatabular
dttab = pd.read_csv("DataTabular.csv", header=None, names=nam_datatab, dtype=dic_datatab)
dtzon = pd.read_csv("zonas_map.csv", dtype=dic_datazon)
dttab.head()
dtzon.head()
dttab.shape
dtzon.shape
dttab.par = dttab.par.astype(str).str[7:]
dttab.dtypes
dtzon.dtypes
dtmer = dttab.merge(dtzon, left_on='par', right_on='ID')
dttab.head()
dtzon.head()
dtmer.head()
dtmer.dtypes
dtmer.to_csv("csv_datos/DataTabular_merge.csv", index=False)
### separar fecha en meses
dtmer_mm = dtmer["fec"].str.split("_", n=2, expand=True)
dtmer_mm.rename(columns={0:"yyyy", 1:"mm", 2:"dd"}, inplace=True)
dtmer_mm.head()
dtmer_mm.shape
dtmer_mm = pd.concat([dtmer_mm,dtmer], axis=1)
dtmer_mm.head()
dtmer_mm.shape
### reshape pivot por zona
dfmedzon = dtmer_mm.pivot_table(index=["yyyy","mm","dd"], columns="zona", values="med")
dfmedzon.head()
dfmedzon.shape
dfmedzon.dtypes
### agregar mensualmente por zona
dfmedzon_mm_agg = dfmedzon.groupby(["yyyy","mm"], as_index=True).median()
type(dfmedzon_mm_agg)
dfmedzon_mm_agg.head()
dfmedzon_mm_agg.shape
dfmedzon_mm_agg.dtypes
### ver grafica se serie en PlotShapefile.py
dfmedzon_mm_agg.to_csv("csv_datos/DataFrame_medzon_mm_agg.csv")
### crear var temporada tmp
dftmp = dtmer_mm
dftmp["tmp"] = "00"
dftmp.loc[dftmp.mm.astype('int') == 1, 'tmp'] = "02"
dftmp.loc[dftmp.mm.astype('int') == 2, 'tmp'] = "02"
dftmp.loc[dftmp.mm.astype('int') == 3, 'tmp'] = "02"
dftmp.loc[dftmp.mm.astype('int') == 4, 'tmp'] = "01"
dftmp.loc[dftmp.mm.astype('int') == 5, 'tmp'] = "01"
dftmp.loc[dftmp.mm.astype('int') == 6, 'tmp'] = "01"
dftmp.loc[dftmp.mm.astype('int') == 7, 'tmp'] = "01"
dftmp.loc[dftmp.mm.astype('int') == 8, 'tmp'] = "01"
dftmp.loc[dftmp.mm.astype('int') == 9, 'tmp'] = "01"
dftmp.loc[dftmp.mm.astype('int') == 10, 'tmp'] = "02"
dftmp.loc[dftmp.mm.astype('int') == 11, 'tmp'] = "02"
dftmp.loc[dftmp.mm.astype('int') == 12, 'tmp'] = "02"
dftmp.head()
### agrupar por tmp
dftmp_tmp_agg = dftmp.groupby(["tmp"], as_index=True).median()
dftmp_tmp_agg.head()
# ver Grouped boxplot ver en PlotShapefile.py