값이 특정 임계 값을 충족하지 않는 경우 시간당 값을 반환하는 SQL 쿼리의 출력 인 팬더 데이터 프레임이 있습니다.
date_date | hour24 | 칼럼 ------------------------------------ 2017-10-29 | 00:00 | 5.8055152395 2017-10-29 | 01:00 | 1.2578616352 2017-10-29 | 02:00 | -1.5197568389 2017-10-29 | 03:00 | -12.5560538117 2017-10-29 | 04:00 | -15.6862745098 2017-10-29 | 05:00 | -18.487394958 2017-10-29 | 06:00 | -13.2911392405 2017-10-29 | 07:00 | -9.3385214008 2017-10-29 | 08:00 | -15.3846153846 2017-10-28 | 00:00 | 6.9666182874 2017-10-28 | 01:00 | 8.3857442348 2017-10-28 | 02:00 | 8.8145896657 2017-10-28 | 03:00 | 4.0358744395 2017-10-28 | 04:00 | 13.0718954248 2017-10-28 | 05:00 | 0 2017-10-28 | 06:00 | 13.9240506329 2017-10-28 | 07:00 | 24.513618677
이 출력을 사용하여 보고서를 만듭니다. 따라서 쿼리가 값을 반환하는 경우 각 시간에 대해 Failed로 표시하고 값이 임계 값을 초과하지 않은 시간도 Passed로 표시되기를 원합니다. 예를 들어
date_date | hour24 | 결과 ------------------------------ 2017-10-29 | 00:00 | 실패 2017-10-29 | 01:00 | 실패 2017-10-29 | 02:00 | 실패 2017-10-29 | 03:00 | 실패 2017-10-29 | 04:00 | 실패 2017-10-29 | 05:00 | 실패 2017-10-29 | 06:00 | 실패 2017-10-29 | 07:00 | 실패 2017-10-29 | 08:00 | 실패 2017-10-29 | 09:00 | 2017-10-29 합격 | 10:00 | 2017-10-29 합격 | 11:00 | 2017-10-29 합격 | 12:00 | 2017-10-29 합격 | 13:00 | 합격자 2017-10-29 | 14:00 | 2017-10-29 합격 | 15:00 | 2017-10-29 합격 | 16:00 | 합격 2017-10-29 | 17:00 | 합격 2017-10-29 | 18:00 | 합격 2017-10-29 | 19:00 | 2017-10-29 합격 | 20:00 | 2017-10-29 합격 | 21:00 | 합격자 2017-10-29 | 22:00 | 2017-10-29 합격 | 23:00 | 2017-10-28 합격 | 00:00 | 실패 2017-10-28 | 01:00 | 실패했습니다 . . .
다음과 같은보고에 필요한 열이있는 샘플 데이터 프레임을 만들 수 있습니다.
In [1]: reporting_df.columns
Out[1]: Index(['date_date', 'Hour'], dtype='object')`
그리고 report_df를 data_date 열의 SQL 쿼리 출력의 데이터 프레임과 병합하십시오.
In [2]: out_df = pd.merge(left=reporting_df, right=query_df, on='date_date', how='inner')
Out[2]: out_df.head(3)
date_date hour24 column
2017-10-29 00:00 5.8055152395
2017-10-29 01:00 1.2578616352
2017-10-29 02:00 -1.5197568389
2017-10-29 03:00 -12.5560538117
2017-10-29 04:00 NaN
상태를 얻으려면 np.where를 사용하십시오.
In [3]: out_df['Status'] = np.where(pd.isnull(out_df['column']), 'Success', 'Fail')
불필요한 열을 삭제하십시오.
In [4]: out_df.drop('column', axis=1, inplace=True)
In [5]: out_df.head(3)
Out[5]:
date_date hour24 status
2017-10-29 00:00 Fail
2017-10-29 01:00 Fail
2017-10-29 02:00 Fail
2017-10-29 03:00 Fail
2017-10-29 04:00 Pass
이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.
침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제
몇 마디 만하겠습니다