es la primera vez que hago una pregunta, disculpen si no he sabido formularla bien. Mi problema es el siguiente, estoy tratando de analizar un csv, y en una pregunta se me pide filtrar solo las ordenes del mes 10 del año 2021. Originalmente lo hice creando un diccionario con los valores de la columna date, recorriendolo y filtrando solo las ordenes de la fecha requerida, lo que me dio como resultado: 267. Se que este resultado es el correcto ya que al subirlo a la plataforma donde me lo preguntaban me han puesto correcto.
El tema es que estoy aprendiendo pandas, y al hacer el proceso me da otro resultado: 437. Lo que hago en pandas es convertir la columna Date a tipo datetime (el formato esta bien), luego filtrar las filas de la fecha requerida y contar la cantidad de filas.
La verdad hace 3 dias le estoy dando vuelta al asunto y no logro entender la diferencia en los resultados. Estuve mirando un poco el csv y me di cuenta que hay varias filas donde la columna fecha no tiene ningun valor.
Alguien que me pueda ayudar? Muchas gracias!
Mi codigo en pandas:
import pandas as pd
df = pd.read_csv("./sample_data/orders.csv")
df['Date'] = pd.to_datetime(df['Date'], format='%Y-%m')
october_2021 = df[(df['Date'].dt.month == 10) & (df['Date'].dt.year == 2021)]
count = october_2021.shape[0]
print("La cantidad de ordenes realizadas en octubre 2021 es:", count)
Resultado = 437
Aqui una muestra del csv:
CustomerID,OrderID,Date,OrderTotal,ProductName,Price
8091,7742581,2021-07-26 14:40:10.783,95.0000,Z03,90.0000
902139,7742778,2021-08-08 05:01:21.120,60.0000,0844 A/C,60.0000
2300266,7742593,2021-07-27 11:00:16.020,185.0000,M07,90.0000
2300266,7742593,2021-07-27 11:00:16.020,185.0000,M09,90.0000
5173013,7742609,2021-07-28 14:26:13.930,165.0000,0324,160.0000
El csv total tiene 29992 filas
Codigo en python que da el resultado correcto:
import csv #Importo el modulo csv
datafile= "./sample_data/orders.csv" #Creo una variable con la ruta del archivo
ListaFilas = [] #Una lista vacia
with open(datafile, "r") as csvfile: #Abro y leo mi archivo
for count in csvfile: #Itero cada linea
separates= count.split(",") #Separo cada valor por cada coma que haya
ListaFilas.append(separates) #Agrego los valores separados a ListaFilas. Esto me devolvera una lista de listas, donde cada sublista tendra cada
#Valor de cada columna
#print(ListaFilas)
def AgruparLosPedidosEnOrdenes (ListaFilas):
diccionarioOrdenesFilas= dict()
for x in range(1 , len(ListaFilas)):
id = ListaFilas[x][1] #se asigna a la variable "id" el valor de la segunda columna de la fila actual (ListaFilas[x][1])
if id in diccionarioOrdenesFilas: #Se verifica si el "id" ya existe en el diccionario "diccionarioOrdenesFilas"
#si es así, se agrega la fila actual al grupo existente asociado a ese "id" en el diccionario.
grupo = diccionarioOrdenesFilas[id]
grupo.append( ListaFilas[x])
diccionarioOrdenesFilas[id] = grupo
else:
grupo= []
grupo.append(ListaFilas[x])
diccionarioOrdenesFilas[id] = grupo
#print(len(diccionarioOrdenesFilas))
valorFila = list(diccionarioOrdenesFilas.values())
#print(valorFila[2])
for x in valorFila[3]:
pass
#print(x)
return diccionarioOrdenesFilas
diccionarioOrdenesFilas= AgruparLosPedidosEnOrdenes(ListaFilas)
def ConteoDePedidosDeCadaOrden(diccionarioOrdenesFilas):
# Voy a elaborar un diccionario que cuente los pedidos de cada orden
diccionarioOrdenesCantidadPedidos = dict()
for orden in diccionarioOrdenesFilas:
grupo= diccionarioOrdenesFilas[orden]
cantidad= len(grupo)
diccionarioOrdenesCantidadPedidos[orden] = cantidad
#print( list(diccionarioOrdenesCantidadPedidos.items()))
ordenConMasPedidos= max(diccionarioOrdenesCantidadPedidos.values())
print( "Order with more items: " + str(ordenConMasPedidos))
ordenesTotales= len(list(diccionarioOrdenesFilas.keys()))
print("There are unique orders: " + str(ordenesTotales))
# para tener el total de pedidos cada orden, y sacar el promedio , recorro el diccionario
totalPedidos = 0
for x in diccionarioOrdenesCantidadPedidos:
totalPedidos += diccionarioOrdenesCantidadPedidos[x]
#print(totalPedidos)
promedioPedidos =totalPedidos/ordenesTotales
promedioPedidos = round(promedioPedidos ,2)
print("Averange number of items per orders: " + str(promedioPedidos))
ConteoDePedidosDeCadaOrden(diccionarioOrdenesFilas)
def ConteoDeClientesDeOctubre2021(diccionarioOrdenesFilas):
# para tener el numero de ordenes provenientes en octubre 2021
# recorremos el diccionario ordenes fila y contamos solo los que tienen una fecha que sea octubre
listaOrdenesOctubre = []
for orden in diccionarioOrdenesFilas:
fecha = diccionarioOrdenesFilas[orden][0][2]
if not fecha== "" :
textoFecha= fecha.split(" ")[0]
mes = textoFecha.split("-")[1]
año= textoFecha.split("-")[0]
if mes== "10" and año == "2021":
listaOrdenesOctubre.append(diccionarioOrdenesFilas[orden][0])
print("lista ordenes octubre:", listaOrdenesOctubre)
ordenesDeOctubre = len(listaOrdenesOctubre)
print( "orders from october 2021: "+ str(ordenesDeOctubre))
#print("keys:", list(diccionarioOrdenesFilas.keys()))
ConteoDeClientesDeOctubre2021(diccionarioOrdenesFilas)
El codigo es un poco extenso ya que tiene mas preguntas preguntas por responder y he optado en hacerlo todo en un solo bloque de codigo.
Codigo para cargar el archivo orders,csv en colab:
import requests
def import_data_files():
r = requests.get('https://raw.githubusercontent.com/anyoneai/notebooks/main/customers_and_orders/data/customers.csv')
with open('./sample_data/customers.csv', 'wb') as f:
f.write(r.content)
r = requests.get('https://raw.githubusercontent.com/anyoneai/notebooks/main/customers_and_orders/data/orders.csv')
with open('./sample_data/orders.csv', 'wb') as f:
f.write(r.content)
import_data_files()
print("Customers and orders CSV files have been added './sample_data'")
october_2021
. Cuando deseas obtener una porción de undataframe
es mejor utilizarloc
oiloc
.