用于清洗从hbase中捞取出来的数据code

2024-02-29 23:18

本文主要是介绍用于清洗从hbase中捞取出来的数据code,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

"""用于清洗从hbase中捞取出来的数据author:tiandate: 2020-02-27
"""import pandas as pddef get_data(path):data = pd.read_excel(path, names=['glassid_operacode', 'attribute', 'name', 'value'])glassid_operacode = data['glassid_operacode'].str.split('_')glass_id = []opera_code = []for i in range(len(glassid_operacode)):glass_id.append(glassid_operacode[i][0][::-1])opera_code.append(glassid_operacode[i][1])data['glass_id'] = glass_iddata['opera_code'] = opera_codedata = data.drop('glassid_operacode', axis=1)return data# 基本属性
def get_mea_data(data, model_str):mea_data = data.loc[data['attribute'] == 'mea', :]mea_data.loc[:, 'name'] = mea_data['name'].str.replace(model_str, '')mea_data = mea_data.drop_duplicates(keep='first')mea_data.dropna(how='any', axis=0, inplace=True)ID = list(set(mea_data['glass_id']))mea = pd.DataFrame()for i in ID:id_data = mea_data.loc[mea_data['glass_id'] == i, :]local_data = id_data.loc[:, ['name', 'value']].Tlocal_data.columns = local_data.loc['name'].tolist()local_data.drop('name', axis=0, inplace=True)if mea.empty:mea = local_dataelse:mea = pd.concat([mea, local_data])mea.reset_index(drop=True, inplace=True)col_list = mea.columns.tolist()col_list.remove('glass_id')col_list.insert(0, 'glass_id')mea = mea.loc[:, col_list]return mea# X
def get_pro_data(data, model_str):pro_data = data.loc[data['attribute'] == 'pro', :]pro_data['value'] = pro_data['value'].astype(float)pro_data.loc[:, 'name'] = pro_data['name'].str.replace(model_str, '')pros = pro_data.pivot_table(index=['glass_id'], columns=['name'], values=['value'])pros.columns = pros.columns.droplevel(0)pros.reset_index()pro_ = pd.concat([pros, pd.DataFrame(data=pros.index.tolist(), columns=[pros.index.name],index=pros.index.tolist())], axis=1)col_list = pro_.columns.tolist()col_list.remove('glass_id')col_list.insert(0, 'glass_id')pro = pro_.loc[:, col_list]pro.reset_index(drop=True, inplace=True)return pro# 预测值Y
def get_pre_data(data, model_str):pre_data = data.loc[data['attribute'] == 'pre', :]pre_data.loc[:, 'name'] = pre_data['name'].str.replace('133_', '')pre_data['value'] = pre_data['value'].astype(float)pre = pre_data.pivot_table(index=['glass_id'], columns=['name'], values=['value'])pre.columns = pre.columns.droplevel(0)pre.reset_index()return pre# 量测值(真实值)Y
def get_real_data(data,model_str):real_data = data.loc[data['attribute'] == 'real', :]real_ = real_data.loc[real_data['name'] != 'glass_start_time', :]real_['value'] = real_['value'].astype(float)rea = real_.pivot_table(index=['glass_id'], columns=['name'], values=['value'])rea.columns = rea.columns.droplevel(0)rea.reset_index()glass_time = real_data.loc[real_data['name'] == 'glass_start_time', :]glass_time.drop(['attribute', 'name', 'opera_code'], axis=1, inplace=True)glass_time.rename(columns={'value': 'glass_start_time'}, inplace=True)glass_time.set_index(['glass_id'], inplace=True)real = pd.concat([rea, glass_time], axis=1)return real# 拼接所有值
def get_total_data(data, model_str):mea = get_mea_data(data, model_str)pro = get_pro_data(data, model_str)pre = get_pre_data(data, model_str)real = get_real_data(data, model_str)mea_pro = pd.merge(mea, pro)mea_pro.set_index(['glass_id'], inplace=True)pre.rename(columns={'rs_avg': 'pre_rs_avg'}, inplace=True)pre_rea = pd.concat([pre, real], axis=1)deal_data = pd.concat([mea_pro, pre_rea], axis=1)deal_data.reset_index(inplace=True)deal_data.rename(columns={'index': 'glass_id'}, inplace=True)return deal_dataif __name__ == '__main__':path = r'C:\Users\Administrator\Desktop\预测为均值\最新\133.xlsx'model = '133_'data = get_data(path)deal_data = get_total_data(data, model)deal_data.to_excel(r'C:\Users\Administrator\Desktop\预测为均值\最新\deal_data133.xlsx', index=None)

这篇关于用于清洗从hbase中捞取出来的数据code的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/760427

相关文章

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

PHP轻松处理千万行数据的方法详解

《PHP轻松处理千万行数据的方法详解》说到处理大数据集,PHP通常不是第一个想到的语言,但如果你曾经需要处理数百万行数据而不让服务器崩溃或内存耗尽,你就会知道PHP用对了工具有多强大,下面小编就... 目录问题的本质php 中的数据流处理:为什么必不可少生成器:内存高效的迭代方式流量控制:避免系统过载一次性

C#实现千万数据秒级导入的代码

《C#实现千万数据秒级导入的代码》在实际开发中excel导入很常见,现代社会中很容易遇到大数据处理业务,所以本文我就给大家分享一下千万数据秒级导入怎么实现,文中有详细的代码示例供大家参考,需要的朋友可... 目录前言一、数据存储二、处理逻辑优化前代码处理逻辑优化后的代码总结前言在实际开发中excel导入很

MyBatis-plus处理存储json数据过程

《MyBatis-plus处理存储json数据过程》文章介绍MyBatis-Plus3.4.21处理对象与集合的差异:对象可用内置Handler配合autoResultMap,集合需自定义处理器继承F... 目录1、如果是对象2、如果需要转换的是List集合总结对象和集合分两种情况处理,目前我用的MP的版本

GSON框架下将百度天气JSON数据转JavaBean

《GSON框架下将百度天气JSON数据转JavaBean》这篇文章主要为大家详细介绍了如何在GSON框架下实现将百度天气JSON数据转JavaBean,文中的示例代码讲解详细,感兴趣的小伙伴可以了解下... 目录前言一、百度天气jsON1、请求参数2、返回参数3、属性映射二、GSON属性映射实战1、类对象映

C# LiteDB处理时间序列数据的高性能解决方案

《C#LiteDB处理时间序列数据的高性能解决方案》LiteDB作为.NET生态下的轻量级嵌入式NoSQL数据库,一直是时间序列处理的优选方案,本文将为大家大家简单介绍一下LiteDB处理时间序列数... 目录为什么选择LiteDB处理时间序列数据第一章:LiteDB时间序列数据模型设计1.1 核心设计原则

Java+AI驱动实现PDF文件数据提取与解析

《Java+AI驱动实现PDF文件数据提取与解析》本文将和大家分享一套基于AI的体检报告智能评估方案,详细介绍从PDF上传、内容提取到AI分析、数据存储的全流程自动化实现方法,感兴趣的可以了解下... 目录一、核心流程:从上传到评估的完整链路二、第一步:解析 PDF,提取体检报告内容1. 引入依赖2. 封装

解决Nginx启动报错Job for nginx.service failed because the control process exited with error code问题

《解决Nginx启动报错Jobfornginx.servicefailedbecausethecontrolprocessexitedwitherrorcode问题》Nginx启... 目录一、报错如下二、解决原因三、解决方式总结一、报错如下Job for nginx.service failed bec

MySQL中查询和展示LONGBLOB类型数据的技巧总结

《MySQL中查询和展示LONGBLOB类型数据的技巧总结》在MySQL中LONGBLOB是一种二进制大对象(BLOB)数据类型,用于存储大量的二进制数据,:本文主要介绍MySQL中查询和展示LO... 目录前言1. 查询 LONGBLOB 数据的大小2. 查询并展示 LONGBLOB 数据2.1 转换为十

使用SpringBoot+InfluxDB实现高效数据存储与查询

《使用SpringBoot+InfluxDB实现高效数据存储与查询》InfluxDB是一个开源的时间序列数据库,特别适合处理带有时间戳的监控数据、指标数据等,下面详细介绍如何在SpringBoot项目... 目录1、项目介绍2、 InfluxDB 介绍3、Spring Boot 配置 InfluxDB4、I