1

Dispongo del siguiente DataFrame, el cual contiene fechas en que ciertos conductores realizaron pedidos para un centro concreto de trabajo:

fechas = [Timestamp('2019-03-29 00:00:00'), Timestamp('2020-01-31 00:00:00'), Timestamp('2017-03-27 00:00:00'), Timestamp('2017-09-01 00:00:00'), Timestamp('2019-10-30 00:00:00'), Timestamp('2019-11-18 00:00:00'), Timestamp('2017-08-11 00:00:00'), Timestamp('2017-12-12 00:00:00'), Timestamp('2018-12-29 00:00:00'), Timestamp('2018-10-08 00:00:00'), Timestamp('2018-08-22 00:00:00'), Timestamp('2018-02-01 00:00:00'), Timestamp('2017-09-29 00:00:00'), Timestamp('2018-01-11 00:00:00'), Timestamp('2019-02-20 00:00:00'), Timestamp('2019-04-03 00:00:00'), Timestamp('2019-12-10 00:00:00'), Timestamp('2019-04-16 00:00:00'), Timestamp('2019-03-27 00:00:00'), Timestamp('2019-12-05 00:00:00'), Timestamp('2019-01-07 00:00:00'), Timestamp('2018-03-23 00:00:00'), Timestamp('2018-01-23 00:00:00'), Timestamp('2018-03-06 00:00:00'), Timestamp('2019-03-26 00:00:00'), Timestamp('2018-01-15 00:00:00'), Timestamp('2017-12-19 00:00:00'), Timestamp('2019-03-11 00:00:00'), Timestamp('2019-03-07 00:00:00'), Timestamp('2019-12-16 00:00:00'), Timestamp('2018-11-28 00:00:00'), Timestamp('2019-03-18 00:00:00'), Timestamp('2019-01-22 00:00:00'), Timestamp('2019-12-23 00:00:00'), Timestamp('2017-03-02 00:00:00'), Timestamp('2019-02-04 00:00:00'), Timestamp('2018-07-17 00:00:00'), Timestamp('2019-11-28 00:00:00'), Timestamp('2020-01-03 00:00:00'), Timestamp('2018-03-23 00:00:00')]
conductores = [1033, 1009, 1003, 1028, 1033, 1033, 1033, 1009, 1016, 1009, 1033, 1028, 1016, 1006, 1033, 1016, 1033, 1016, 1033, 1006, 1028, 1028, 1016, 1028, 1033, 1007, 1037, 1033, 1028, 1009, 1016, 1003, 1016, 1007, 1016, 1016, 1016, 1043, 1016, 1033]

datos = pd.DataFrame({'fecha': fechas, 'conductor':conductores})

Quiero realizar la gráfica de los distintos individuos que han trabajado por día en un solo centro al mes. Para ello primero agrupo datos por meses, conductores y años, para sacar la progresión anual tal que así:

dias_cond_mes = (datos.groupby([datos.fecha.dt.month, "conductor", datos.fecha.dt.year])['fecha']
                 .nunique())

El resultado de esto debería agruparlo primero por meses y luego por años y aplicar sum() para contar el total, luego hacer unstack() para desapilar los datos y tendría la gráfica mostrando los meses en el eje X agrupados por años y la cantidad de días trabajados por los conductores por mes en el Y. El problema es que al usar el groupby .unique() retorna una Serie, que tiene como índices fecha,conductor,fecha y el ultimo vacío. No he sido capaz de cambiar estos valores ni se como agrupar esto de otra manera para obtener estos datos. Se me ocurre añadir una nueva columna solo con meses al DataFrame pero no se si habría otra manera mas sutil de hacerlo. Gracias.

3
  • 1
    Si el problema son los nombres del multiindex, simplemente puedes asignar los qu desees: dias_cond_mes.index.names = ("mes", "conductor", "año")
    – FJSevilla
    el 13 may. 2020 a las 11:55
  • @FJSevilla No sabia que fuese posible acceder así a los índices, lo habia probado con columns, pero no funciono. Gracias
    – dpm24
    el 13 may. 2020 a las 12:01
  • De nada, he creado una respuesta algo más detallada por si sirve para futuros usuarios. Saludos.
    – FJSevilla
    el 13 may. 2020 a las 12:33

1 respuesta 1

1

Efectivamente la aplicación de nounique sobre la columna fechagenera una Serie, con un MultiIndex como índice, el problema es que al agrupar por datos.fecha.dt.month y por datos.fecha.dt.year, groupby usa el nombre de la columna ("fecha") en ambos casos como nombre para el índice correspondiente.

Que yo sepa no hay forma de evitar ésto directamente, pero es trivial en cambio renombrar los niveles del índice posteriormente, mediante la property pandas.Index.names:

dias_cond_mes = (datos.groupby([datos.fecha.dt.month, "conductor", datos.fecha.dt.year])['fecha']
                 .nunique())

dias_cond_mes.index.names = ("mes", "conductor", "año")

o alternativamente con el método pandas.Index.set_names:

dias_cond_mes.index.set_names(("mes", "conductor", "año"), inplace=True)
>>> dias_cond_mes

mes  conductor  año 
1    1006       2018    1
     1007       2018    1
     1009       2020    1
     1016       2018    1
                2019    1
                2020    1
     1028       2019    1
2    1016       2019    1
...

Name: fecha, dtype: int64

Lo que comentas como "último vacío" es en realidad los valores de la serie, puedes darle un nombre si quieres distinto de "fecha" (dado que una columna en un DataFrame es realmente una Serie):

dias_cond_mes.index.names = ("mes", "conductor", "año")
dias_cond_mes.name = "suma"
>>> dias_cond_mes

mes  conductor  año 
1    1006       2018    1
     1007       2018    1
     1009       2020    1
     1016       2018    1
                2019    1
                2020    1
     1028       2019    1
2    1016       2019    1
...

Name: suma, dtype: int64


>>> dias_cond_mes.to_frame()

                    suma
mes conductor año       
1   1006      2018     1
    1007      2018     1
    1009      2020     1
    1016      2018     1
              2019     1
              2020     1
    1028      2019     1
2   1016      2019     1
...

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.