数学建模——校园供水系统智能管理

企业开发 2023-09-09 17:44:43 阅读次数: 0 
import pandas as pd
data1=pd.read_excel("C://Users//JJH//Desktop//E//附件_一季度.xlsx")
data2=pd.read_excel("C://Users//JJH//Desktop//E//附件_二季度.xlsx")
data3=pd.read_excel("C://Users//JJH//Desktop//E//附件_三季度.xlsx")
data4=pd.read_excel("C://Users//JJH//Desktop//E//附件_四季度.xlsx")
data1
水表名 水表号 采集时间 上次读数 当前读数 用量
0 司法鉴定中心 0 2019/1/1 00:15:00 2157.1 2157.1 0.0
1 司法鉴定中心 0 2019/1/1 00:30:00 2157.1 2157.1 0.0
2 司法鉴定中心 0 2019/1/1 00:45:00 2157.1 2157.1 0.0
3 司法鉴定中心 0 2019/1/1 01:00:00 2157.1 2157.1 0.0
4 司法鉴定中心 0 2019/1/1 01:15:00 2157.1 2157.1 0.0
... ... ... ... ... ... ...
729278 物业 3030100102 2019/3/31 22:45:00 50.9 50.9 0.0
729279 物业 3030100102 2019/3/31 23:00:00 50.9 50.9 0.0
729280 物业 3030100102 2019/3/31 23:15:00 50.9 50.9 0.0
729281 物业 3030100102 2019/3/31 23:30:00 50.9 50.9 0.0
729282 物业 3030100102 2019/3/31 23:45:00 50.9 50.9 0.0

729283 rows × 6 columns

data1.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data2.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data3.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

data4.isnull().sum()

水表名     0
水表号     0
采集时间    0
上次读数    0
当前读数    0
用量      0
dtype: int64

import numpy as np
# 合并数据
data1['季度'] = pd.Series(["一季度" for i in range(len(data1.index))])
data2['季度'] = pd.Series(["二季度" for i in range(len(data2.index))])
data3['季度'] = pd.Series(["三季度" for i in range(len(data3.index))])
data4['季度'] = pd.Series(["四季度" for i in range(len(data4.index))])
data1
水表名 水表号 采集时间 上次读数 当前读数 用量 季度
0 司法鉴定中心 0 2019/1/1 00:15:00 2157.1 2157.1 0.0 一季度
1 司法鉴定中心 0 2019/1/1 00:30:00 2157.1 2157.1 0.0 一季度
2 司法鉴定中心 0 2019/1/1 00:45:00 2157.1 2157.1 0.0 一季度
3 司法鉴定中心 0 2019/1/1 01:00:00 2157.1 2157.1 0.0 一季度
4 司法鉴定中心 0 2019/1/1 01:15:00 2157.1 2157.1 0.0 一季度
... ... ... ... ... ... ... ...
729278 物业 3030100102 2019/3/31 22:45:00 50.9 50.9 0.0 一季度
729279 物业 3030100102 2019/3/31 23:00:00 50.9 50.9 0.0 一季度
729280 物业 3030100102 2019/3/31 23:15:00 50.9 50.9 0.0 一季度
729281 物业 3030100102 2019/3/31 23:30:00 50.9 50.9 0.0 一季度
729282 物业 3030100102 2019/3/31 23:45:00 50.9 50.9 0.0 一季度

729283 rows × 7 columns

data = data1.append([data2,data3,data4],ignore_index=True) # 添加合并
data


C:\Users\JJH\AppData\Local\Temp\ipykernel_31264\4019438690.py:1: FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
  data = data1.append([data2,data3,data4],ignore_index=True) # 添加合并
水表名 水表号 采集时间 上次读数 当前读数 用量 季度
0 司法鉴定中心 0 2019/1/1 00:15:00 2157.1 2157.1 0.0 一季度
1 司法鉴定中心 0 2019/1/1 00:30:00 2157.1 2157.1 0.0 一季度
2 司法鉴定中心 0 2019/1/1 00:45:00 2157.1 2157.1 0.0 一季度
3 司法鉴定中心 0 2019/1/1 01:00:00 2157.1 2157.1 0.0 一季度
4 司法鉴定中心 0 2019/1/1 01:15:00 2157.1 2157.1 0.0 一季度
... ... ... ... ... ... ... ...
3086783 消防 3620303200 2019/12/31 22:45:00 22.0 22.0 0.0 四季度
3086784 消防 3620303200 2019/12/31 23:00:00 22.0 22.0 0.0 四季度
3086785 消防 3620303200 2019/12/31 23:15:00 22.0 22.0 0.0 四季度
3086786 消防 3620303200 2019/12/31 23:30:00 22.0 22.0 0.0 四季度
3086787 消防 3620303200 2019/12/31 23:45:00 22.0 22.0 0.0 四季度

3086788 rows × 7 columns

x=data[['水表名','用量','采集时间']]
x
水表名 用量 采集时间
0 司法鉴定中心 0.0 2019/1/1 00:15:00
1 司法鉴定中心 0.0 2019/1/1 00:30:00
2 司法鉴定中心 0.0 2019/1/1 00:45:00
3 司法鉴定中心 0.0 2019/1/1 01:00:00
4 司法鉴定中心 0.0 2019/1/1 01:15:00
... ... ... ...
3086783 消防 0.0 2019/12/31 22:45:00
3086784 消防 0.0 2019/12/31 23:00:00
3086785 消防 0.0 2019/12/31 23:15:00
3086786 消防 0.0 2019/12/31 23:30:00
3086787 消防 0.0 2019/12/31 23:45:00

3086788 rows × 3 columns

x1=x[x['水表名']=='消防']
x1
水表名 用量 采集时间
1500912 消防 0.0 2019/4/22 12:15:00
1500913 消防 0.0 2019/4/22 12:30:00
1500914 消防 0.0 2019/4/22 12:45:00
1500915 消防 0.0 2019/4/22 13:00:00
1500916 消防 0.0 2019/4/22 13:15:00
... ... ... ...
3086783 消防 0.0 2019/12/31 22:45:00
3086784 消防 0.0 2019/12/31 23:00:00
3086785 消防 0.0 2019/12/31 23:15:00
3086786 消防 0.0 2019/12/31 23:30:00
3086787 消防 0.0 2019/12/31 23:45:00

23984 rows × 3 columns

import matplotlib.pyplot as plt

print(len(x1))

23984

# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签
x = range(23984)



# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x1['采集时间'],x1['用量'],color='black',linewidth=0.5)
plt.show()

​
在这里插入图片描述

​

x=data[['水表名','用量','采集时间']]
x
水表名 用量 采集时间
0 司法鉴定中心 0.0 2019/1/1 00:15:00
1 司法鉴定中心 0.0 2019/1/1 00:30:00
2 司法鉴定中心 0.0 2019/1/1 00:45:00
3 司法鉴定中心 0.0 2019/1/1 01:00:00
4 司法鉴定中心 0.0 2019/1/1 01:15:00
... ... ... ...
3086783 消防 0.0 2019/12/31 22:45:00
3086784 消防 0.0 2019/12/31 23:00:00
3086785 消防 0.0 2019/12/31 23:15:00
3086786 消防 0.0 2019/12/31 23:30:00
3086787 消防 0.0 2019/12/31 23:45:00

3086788 rows × 3 columns

x2=x[x['水表名']=='XXX第一学生宿舍']
x2
水表名 用量 采集时间
220372 XXX第一学生宿舍 0.12 2019/1/1 00:15:00
220373 XXX第一学生宿舍 0.12 2019/1/1 00:30:00
220374 XXX第一学生宿舍 0.12 2019/1/1 00:45:00
220375 XXX第一学生宿舍 0.12 2019/1/1 01:00:00
220376 XXX第一学生宿舍 0.12 2019/1/1 01:15:00
... ... ... ...
2533541 XXX第一学生宿舍 0.40 2019/12/31 22:45:00
2533542 XXX第一学生宿舍 0.40 2019/12/31 23:00:00
2533543 XXX第一学生宿舍 0.50 2019/12/31 23:15:00
2533544 XXX第一学生宿舍 0.50 2019/12/31 23:30:00
2533545 XXX第一学生宿舍 0.50 2019/12/31 23:45:00

35039 rows × 3 columns

# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x2) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x2['采集时间'],x2['用量'],color='black',linewidth=0.5)
plt.show()

​
在这里插入图片描述

​

x=data[['水表名','用量','采集时间']]
x3=x[x['水表名']=='留学生楼（新）']
# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x3) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x3['采集时间'],x3['用量'],color='black',linewidth=0.3)
plt.show()

​
在这里插入图片描述

​

x=data[['水表名','用量','采集时间']]
x4=x[x['水表名']=='XXX教学大楼总表']
# 自定义x轴刻度
xticks = ['Jan', 'Mar', 'May', 'Jul', 'Sep','Nov']  # 自定义刻度标签




# 自定义x轴刻度
num_ticks = 6  # 指定刻度数量
step = len(x4) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
plt.xticks(xtick_positions, xticks)
plt.plot(x4['采集时间'],x4['用量'],color='black',linewidth=0.3)
plt.show()

​
在这里插入图片描述

​

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定字体为SimHei
labels = ['消防', '留学生楼（新）', 'XXX教学大楼总表']

plt.boxplot([x1['用量'],x3['用量'],x4['用量']])

plt.xticks(range(1, 4), labels)
# 显示图形
plt.show()

​
在这里插入图片描述

​

x5=x[x['水表名']=='XXX第四学生宿舍']
x5
水表名 用量 采集时间
246289 XXX第四学生宿舍 0.4 2019/1/1 00:15:00
246290 XXX第四学生宿舍 0.4 2019/1/1 00:30:00
246291 XXX第四学生宿舍 0.4 2019/1/1 00:45:00
246292 XXX第四学生宿舍 0.4 2019/1/1 01:00:00
246293 XXX第四学生宿舍 0.4 2019/1/1 01:15:00
... ... ... ...
2560037 XXX第四学生宿舍 0.7 2019/12/31 22:45:00
2560038 XXX第四学生宿舍 0.6 2019/12/31 23:00:00
2560039 XXX第四学生宿舍 0.6 2019/12/31 23:15:00
2560040 XXX第四学生宿舍 0.5 2019/12/31 23:30:00
2560041 XXX第四学生宿舍 1.2 2019/12/31 23:45:00

35039 rows × 3 columns

x6=x[x['水表名']=='茶园+']
x6
水表名 用量 采集时间
611260 茶园+ 0.0 2019/1/3 16:15:00
611261 茶园+ 0.0 2019/1/3 16:30:00
611262 茶园+ 0.0 2019/1/3 16:45:00
611263 茶园+ 0.0 2019/1/3 17:00:00
611264 茶园+ 0.0 2019/1/3 17:15:00
... ... ... ...
2945006 茶园+ 0.0 2019/12/31 22:45:00
2945007 茶园+ 0.0 2019/12/31 23:00:00
2945008 茶园+ 0.0 2019/12/31 23:15:00
2945009 茶园+ 0.0 2019/12/31 23:30:00
2945010 茶园+ 0.0 2019/12/31 23:45:00

34249 rows × 3 columns

x7=x[x['水表名']=='XXX4舍热泵热水舍']
x7
水表名 用量 采集时间 
x21=x[x['水表名']=='XXX第一学生宿舍']
x21
水表名 用量 采集时间
220372 XXX第一学生宿舍 0.12 2019/1/1 00:15:00
220373 XXX第一学生宿舍 0.12 2019/1/1 00:30:00
220374 XXX第一学生宿舍 0.12 2019/1/1 00:45:00
220375 XXX第一学生宿舍 0.12 2019/1/1 01:00:00
220376 XXX第一学生宿舍 0.12 2019/1/1 01:15:00
... ... ... ...
2533541 XXX第一学生宿舍 0.40 2019/12/31 22:45:00
2533542 XXX第一学生宿舍 0.40 2019/12/31 23:00:00
2533543 XXX第一学生宿舍 0.50 2019/12/31 23:15:00
2533544 XXX第一学生宿舍 0.50 2019/12/31 23:30:00
2533545 XXX第一学生宿舍 0.50 2019/12/31 23:45:00

35039 rows × 3 columns

x22=x[x['水表名']=='XXX第二学生宿舍']
x22
水表名 用量 采集时间
229011 XXX第二学生宿舍 0.9 2019/1/1 00:15:00
229012 XXX第二学生宿舍 0.7 2019/1/1 00:30:00
229013 XXX第二学生宿舍 0.8 2019/1/1 00:45:00
229014 XXX第二学生宿舍 0.7 2019/1/1 01:00:00
229015 XXX第二学生宿舍 0.1 2019/1/1 01:15:00
... ... ... ...
2542373 XXX第二学生宿舍 0.1 2019/12/31 22:45:00
2542374 XXX第二学生宿舍 0.1 2019/12/31 23:00:00
2542375 XXX第二学生宿舍 0.2 2019/12/31 23:15:00
2542376 XXX第二学生宿舍 0.1 2019/12/31 23:30:00
2542377 XXX第二学生宿舍 0.1 2019/12/31 23:45:00

35039 rows × 3 columns

x21.set_index('采集时间', inplace=True)
x22.set_index('采集时间', inplace=True)

print(x21['用量'].dtypes,x21['水表名'])
print(x22['用量'].dtypes,x22['水表名'])
x_sum = x21.add(x22, fill_value=0)

# 打印结果
x_sum

float64 采集时间
2019/1/1 00:15:00      XXX第一学生宿舍
2019/1/1 00:30:00      XXX第一学生宿舍
2019/1/1 00:45:00      XXX第一学生宿舍
2019/1/1 01:00:00      XXX第一学生宿舍
2019/1/1 01:15:00      XXX第一学生宿舍
                         ...    
2019/12/31 22:45:00    XXX第一学生宿舍
2019/12/31 23:00:00    XXX第一学生宿舍
2019/12/31 23:15:00    XXX第一学生宿舍
2019/12/31 23:30:00    XXX第一学生宿舍
2019/12/31 23:45:00    XXX第一学生宿舍
Name: 水表名, Length: 35039, dtype: object
float64 采集时间
2019/1/1 00:15:00      XXX第二学生宿舍
2019/1/1 00:30:00      XXX第二学生宿舍
2019/1/1 00:45:00      XXX第二学生宿舍
2019/1/1 01:00:00      XXX第二学生宿舍
2019/1/1 01:15:00      XXX第二学生宿舍
                         ...    
2019/12/31 22:45:00    XXX第二学生宿舍
2019/12/31 23:00:00    XXX第二学生宿舍
2019/12/31 23:15:00    XXX第二学生宿舍
2019/12/31 23:30:00    XXX第二学生宿舍
2019/12/31 23:45:00    XXX第二学生宿舍
Name: 水表名, Length: 35039, dtype: object
水表名 用量
采集时间
2019/1/1 00:15:00 XXX第一学生宿舍XXX第二学生宿舍 1.02
2019/1/1 00:30:00 XXX第一学生宿舍XXX第二学生宿舍 0.82
2019/1/1 00:45:00 XXX第一学生宿舍XXX第二学生宿舍 0.92
2019/1/1 01:00:00 XXX第一学生宿舍XXX第二学生宿舍 0.82
2019/1/1 01:15:00 XXX第一学生宿舍XXX第二学生宿舍 0.22
... ... ...
2019/12/31 22:45:00 XXX第一学生宿舍XXX第二学生宿舍 0.50
2019/12/31 23:00:00 XXX第一学生宿舍XXX第二学生宿舍 0.50
2019/12/31 23:15:00 XXX第一学生宿舍XXX第二学生宿舍 0.70
2019/12/31 23:30:00 XXX第一学生宿舍XXX第二学生宿舍 0.60
2019/12/31 23:45:00 XXX第一学生宿舍XXX第二学生宿舍 0.60

35039 rows × 2 columns

x26=x[x['水表名']=='茶园+']
x26
水表名 用量 采集时间
611260 茶园+ 0.0 2019/1/3 16:15:00
611261 茶园+ 0.0 2019/1/3 16:30:00
611262 茶园+ 0.0 2019/1/3 16:45:00
611263 茶园+ 0.0 2019/1/3 17:00:00
611264 茶园+ 0.0 2019/1/3 17:15:00
... ... ... ...
2945006 茶园+ 0.0 2019/12/31 22:45:00
2945007 茶园+ 0.0 2019/12/31 23:00:00
2945008 茶园+ 0.0 2019/12/31 23:15:00
2945009 茶园+ 0.0 2019/12/31 23:30:00
2945010 茶园+ 0.0 2019/12/31 23:45:00

34249 rows × 3 columns

x21=x[x['水表名']=='XXX第一学生宿舍']

x21
水表名 用量 采集时间
220372 XXX第一学生宿舍 0.12 2019/1/1 00:15:00
220373 XXX第一学生宿舍 0.12 2019/1/1 00:30:00
220374 XXX第一学生宿舍 0.12 2019/1/1 00:45:00
220375 XXX第一学生宿舍 0.12 2019/1/1 01:00:00
220376 XXX第一学生宿舍 0.12 2019/1/1 01:15:00
... ... ... ...
2533541 XXX第一学生宿舍 0.40 2019/12/31 22:45:00
2533542 XXX第一学生宿舍 0.40 2019/12/31 23:00:00
2533543 XXX第一学生宿舍 0.50 2019/12/31 23:15:00
2533544 XXX第一学生宿舍 0.50 2019/12/31 23:30:00
2533545 XXX第一学生宿舍 0.50 2019/12/31 23:45:00

35039 rows × 3 columns

df_merged = pd.merge(x21, x26, on='采集时间', how='inner')
df_merged
水表名_x 用量_x 采集时间 水表名_y 用量_y
0 XXX第一学生宿舍 0.22 2019/1/3 16:15:00 茶园+ 0.0
1 XXX第一学生宿舍 0.22 2019/1/3 16:30:00 茶园+ 0.0
2 XXX第一学生宿舍 0.22 2019/1/3 16:45:00 茶园+ 0.0
3 XXX第一学生宿舍 0.22 2019/1/3 17:00:00 茶园+ 0.0
4 XXX第一学生宿舍 0.22 2019/1/3 17:15:00 茶园+ 0.0
... ... ... ... ... ...
34244 XXX第一学生宿舍 0.40 2019/12/31 22:45:00 茶园+ 0.0
34245 XXX第一学生宿舍 0.40 2019/12/31 23:00:00 茶园+ 0.0
34246 XXX第一学生宿舍 0.50 2019/12/31 23:15:00 茶园+ 0.0
34247 XXX第一学生宿舍 0.50 2019/12/31 23:30:00 茶园+ 0.0
34248 XXX第一学生宿舍 0.50 2019/12/31 23:45:00 茶园+ 0.0

34249 rows × 5 columns

df_merged['总用水量'] = df_merged['用量_x'] + df_merged['用量_y']
df_merged
水表名_x 用量_x 采集时间 水表名_y 用量_y 总用水量
0 XXX第一学生宿舍 0.22 2019/1/3 16:15:00 茶园+ 0.0 0.22
1 XXX第一学生宿舍 0.22 2019/1/3 16:30:00 茶园+ 0.0 0.22
2 XXX第一学生宿舍 0.22 2019/1/3 16:45:00 茶园+ 0.0 0.22
3 XXX第一学生宿舍 0.22 2019/1/3 17:00:00 茶园+ 0.0 0.22
4 XXX第一学生宿舍 0.22 2019/1/3 17:15:00 茶园+ 0.0 0.22
... ... ... ... ... ... ...
34244 XXX第一学生宿舍 0.40 2019/12/31 22:45:00 茶园+ 0.0 0.40
34245 XXX第一学生宿舍 0.40 2019/12/31 23:00:00 茶园+ 0.0 0.40
34246 XXX第一学生宿舍 0.50 2019/12/31 23:15:00 茶园+ 0.0 0.50
34247 XXX第一学生宿舍 0.50 2019/12/31 23:30:00 茶园+ 0.0 0.50
34248 XXX第一学生宿舍 0.50 2019/12/31 23:45:00 茶园+ 0.0 0.50

34249 rows × 6 columns

df_merged1 = pd.merge(x21, x26, on='采集时间', how='outer')
df_merged1
水表名_x 用量_x 采集时间 水表名_y 用量_y
0 XXX第一学生宿舍 0.12 2019/1/1 00:15:00 NaN NaN
1 XXX第一学生宿舍 0.12 2019/1/1 00:30:00 NaN NaN
2 XXX第一学生宿舍 0.12 2019/1/1 00:45:00 NaN NaN
3 XXX第一学生宿舍 0.12 2019/1/1 01:00:00 NaN NaN
4 XXX第一学生宿舍 0.12 2019/1/1 01:15:00 NaN NaN
... ... ... ... ... ...
35034 XXX第一学生宿舍 0.40 2019/12/31 22:45:00 茶园+ 0.0
35035 XXX第一学生宿舍 0.40 2019/12/31 23:00:00 茶园+ 0.0
35036 XXX第一学生宿舍 0.50 2019/12/31 23:15:00 茶园+ 0.0
35037 XXX第一学生宿舍 0.50 2019/12/31 23:30:00 茶园+ 0.0
35038 XXX第一学生宿舍 0.50 2019/12/31 23:45:00 茶园+ 0.0

35039 rows × 5 columns

df_merged1['用量_y'] = df_merged1['用量_y'].replace(np.nan, 0)
df_merged1
# df_merged1['总用水量'] = df_merged1['用量_x'] + df_merged1['用量_y']
# df_merged1
水表名_x 用量_x 采集时间 水表名_y 用量_y 总用水量
0 XXX第一学生宿舍 0.12 2019/1/1 00:15:00 NaN 0.0 0.12
1 XXX第一学生宿舍 0.12 2019/1/1 00:30:00 NaN 0.0 0.12
2 XXX第一学生宿舍 0.12 2019/1/1 00:45:00 NaN 0.0 0.12
3 XXX第一学生宿舍 0.12 2019/1/1 01:00:00 NaN 0.0 0.12
4 XXX第一学生宿舍 0.12 2019/1/1 01:15:00 NaN 0.0 0.12
... ... ... ... ... ... ...
35034 XXX第一学生宿舍 0.40 2019/12/31 22:45:00 茶园+ 0.0 0.40
35035 XXX第一学生宿舍 0.40 2019/12/31 23:00:00 茶园+ 0.0 0.40
35036 XXX第一学生宿舍 0.50 2019/12/31 23:15:00 茶园+ 0.0 0.50
35037 XXX第一学生宿舍 0.50 2019/12/31 23:30:00 茶园+ 0.0 0.50
35038 XXX第一学生宿舍 0.50 2019/12/31 23:45:00 茶园+ 0.0 0.50

35039 rows × 6 columns

df_merged1['总用水量'] = df_merged1['用量_x'] + df_merged1['用量_y']
df_merged1
水表名_x 用量_x 采集时间 水表名_y 用量_y 总用水量
0 XXX第一学生宿舍 0.12 2019/1/1 00:15:00 NaN 0.0 0.12
1 XXX第一学生宿舍 0.12 2019/1/1 00:30:00 NaN 0.0 0.12
2 XXX第一学生宿舍 0.12 2019/1/1 00:45:00 NaN 0.0 0.12
3 XXX第一学生宿舍 0.12 2019/1/1 01:00:00 NaN 0.0 0.12
4 XXX第一学生宿舍 0.12 2019/1/1 01:15:00 NaN 0.0 0.12
... ... ... ... ... ... ...
35034 XXX第一学生宿舍 0.40 2019/12/31 22:45:00 茶园+ 0.0 0.40
35035 XXX第一学生宿舍 0.40 2019/12/31 23:00:00 茶园+ 0.0 0.40
35036 XXX第一学生宿舍 0.50 2019/12/31 23:15:00 茶园+ 0.0 0.50
35037 XXX第一学生宿舍 0.50 2019/12/31 23:30:00 茶园+ 0.0 0.50
35038 XXX第一学生宿舍 0.50 2019/12/31 23:45:00 茶园+ 0.0 0.50

35039 rows × 6 columns

# 创建一个包含多个子图的图形
fig, axes = plt.subplots(nrows=4 ,ncols=2)

# 在第一个子图中绘制数据
step = len(x11) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[0, 0].set_xticks(xtick_positions)
axes[0, 0].set_xticklabels(xticks)
axes[0, 0].plot(x11['采集时间'],x11['用量'],color='black',linewidth=0.1)
axes[0, 0].set_title('XXX第一学生宿舍')

# 在第二个子图中绘制数据
step = len(x12) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[0, 1].set_xticks(xtick_positions)
axes[0, 1].set_xticklabels(xticks)
axes[0, 1].plot(x12['采集时间'],x12['用量'],color='black',linewidth=0.1)
axes[0, 1].set_title('XXX第二学生宿舍')

# 在第三个子图中绘制数据
step = len(x13) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[1, 0].set_xticks(xtick_positions)
axes[1, 0].set_xticklabels(xticks)
axes[1, 0].plot(x13['采集时间'],x13['用量'],color='black',linewidth=0.1)
axes[1, 0].set_title('XXX第三学生宿舍')

# 在第四个子图中绘制数据
step = len(x14) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[1, 1].set_xticks(xtick_positions)
axes[1, 1].set_xticklabels(xticks)
axes[1, 1].plot(x14['采集时间'],x14['用量'],color='black',linewidth=0.1)
axes[1, 1].set_title('XXX第四学生宿舍')


# 在第五个子图中绘制数据
step = len(x15) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[2, 0].set_xticks(xtick_positions)
axes[2, 0].set_xticklabels(xticks)
axes[2, 0].plot(x15['采集时间'],x15['用量'],color='black',linewidth=0.1)
axes[2, 0].set_title('XXX第五学生宿舍')

# 在第六个子图中绘制数据
step = len(x17) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[2, 1].set_xticks(xtick_positions)
axes[2, 1].set_xticklabels(xticks)
axes[2, 1].plot(x17['采集时间'],x17['用量'],color='black',linewidth=0.1)
axes[2, 1].set_title('XXX第七学生宿舍')

# 在第七个子图中绘制数据
step = len(x18) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[3, 0].set_xticks(xtick_positions)
axes[3, 0].set_xticklabels(xticks)
axes[3, 0].plot(x18['采集时间'],x18['用量'],color='black',linewidth=0.1)
axes[3, 0].set_title('XXX第八学生宿舍')

# 在第八个子图中绘制数据
step = len(x19) // num_ticks  # 计算刻度步长
xtick_positions = [i * step for i in range(num_ticks)]  # 生成刻度位置
axes[3, 1].set_xticks(xtick_positions)
axes[3, 1].set_xticklabels(xticks)
axes[3, 1].plot(x19['采集时间'],x19['用量'],color='black',linewidth=0.1)
axes[3, 1].set_title('XXX第九学生宿舍')
# 调整子图之间的间距
plt.tight_layout()

# 显示图形
plt.show()

在这里插入图片描述

from datetime import datetime
ans=[0]*24
for i in range(len(x_merged)):
    # 采集时间字符串
    time_str = x_merged ['采集时间'][i]

    # 将时间字符串转换为datetime对象
    time_obj = datetime.strptime(time_str, '%Y/%m/%d %H:%M:%S')

    # 提取小时
    hour = time_obj.hour
    ans[hour]+= x_merged['总用水量'][i]
    # 打印结果
#     print(f"当前是第{hour}个小时")

在这里插入图片描述

from datetime import datetime
ans=[0]*24
for i in range(2000):
    # 采集时间字符串
    time_str = x_merged ['采集时间'][i]

    # 将时间字符串转换为datetime对象
    time_obj = datetime.strptime(time_str, '%Y/%m/%d %H:%M:%S')

    # 提取小时
    hour = time_obj.hour
    day = time_obj.day
    ans[hour]+= x_merged['总用水量'][i]
    if day == 60:
        break
    # 打印结果
#     print(f"当前是第{hour}个小时")

在这里插入图片描述

猜你喜欢

转载自blog.csdn.net/Aure219/article/details/132501324
今日推荐
Arc Browser for Windows 1.0 正式 GA
90后程序员开发视频搬运软件、不到一年获利超 700 万，结局很刑！
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
周排行
rbac——界面、权限
Apache CXF + SpringMVC 整合发布WebService
so插件化
Vue.js实战系列---图标字体制作（svg格式）
PAT乙级 1007 素数对猜想(孪生素数对) (20分) ---（C语言 + 详细注释）
被IRM保护的文档，打开失败
Calendar和Date计算日期差的小问题
win10子系统ubuntu18.4安装docker
利用Wrap Shell Script定位Android Native内存泄漏
MySQL: Transaction (Part I - Basic Concept)
每日归档
更多
2024-05-03(19)
2024-05-02(0)
2024-05-01(4)
2024-04-30(1)
2024-04-29(40)
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022