python获取季度函数_有时间列的数据，按季度提取数据，按自己的理解编写的一种方法...

2018江西省数学建模A题：第一问中关于按季度统计数据的一种解决办法。

即本文解决的问题是：把原始数据中得过敏性疾病的患者数据提取出来，并按照每年的四季分类，最终得出分类数据，并画出按四季分类的直方图。

1、从excel读取数据：

import numpy as np

import pandas as pd # 导入pandas库

file_directory = "2018年过敏统计信息表 A题附件.xls" #原始数据的文件名

data = pd.read_excel(file_directory,sep='\t',parse_dates=['检测日期']) #读取数据，并保存到data中

2、清洗数据：

# 根据观察的信息，清洗数据

# 清除无用的列

data.drop(['Unnamed: 21'], axis=1,inplace=True) #删除Unnamed: 21列(即最后一列)

# 清除无用的列

data_drop=data.dropna(axis=0, how='any') # Remove missing values. 删除有过敏原有空值的那一行

print(list(data)) # 标题 显示验证最后一列Unnamed被删除

print('清洗前数据行数：',len(data)) # 数据行数(2284)

print('数据清洗后长度：',len(data_drop)) # 数据长度(2267)

len(data)- len(data_drop)# 去掉无用的数据的行数(17)

(len(data)- len(data_drop))/len(data)*100 # (处理掉的数据占0.744%)

3、数据类型数字化：

# 定义一个等级替换函数

# 过敏分级：0-6(共7级)

# [ 0 1 2 3 4 5 6]

# ['0(-)' '1(±)' '2(+)' '3(2+)' '4(3+)' '5(4+)' '6(5+)']

def Allergic_classification_str(header):

data_drop[header] = data_drop.loc[:,header].replace(['0(-)','1(±)','2(+)','3(2+)','4(3+)',

'5(4+)','6(5+)'],[0,1,2,3,4,5,6])

l=range(len(list(data_drop)))

ll=l[4:] #从第四列开始到最后一列都是过敏原

i=4

for i in ll:

Allergic_classification_str(list(data_drop)[i]) #调用等级替换函数，把字符替换成相应等级的数字

4、给每行数据添加相应的标签：

按是否为过敏性疾病患者添加标签

#在数据的最后添加一行label 0代表没有病，1代表有病

data_drop_label = data_drop.join(data_label.label)

data_drop_label.head(5) # 查看添加标签后的数据前5行

按季度添加标签

# 按时间提取数据

# 设置一个dataframe格式的数据，以便存放季节标签

season_label = pd.DataFrame({'season':np.zeros(data_drop.shape[0])})

# 把数据按每年的季节分为20个标签

for i in data_drop.index:

if (data_drop.检测日期[i].month>=3) & (data_drop.检测日期[i].month<6):

season_label['season'][i]=str(data_drop.检测日期[i].year)+'spring'

if (data_drop.检测日期[i].month>=6) & (data_drop.检测日期[i].month<9):

season_label['season'][i]=str(data_drop.检测日期[i].year)+'summer'

if (data_drop.检测日期[i].month>=9) & (data_drop.检测日期[i].month<12):

season_label['season'][i]=str(data_drop.检测日期[i].year)+'autumn'

if (data_drop.检测日期[i].month>=12) | (data_drop.检测日期[i].month<3):

season_label['season'][i]=str(data_drop.检测日期[i].year)+'winter'

data_s_t=data_drop_label.join(season_label.season)#在数据的最后添加一行season 代表一年四季

# 到现在data_s_t数据中即有label标签页有代表季节标签

5、按添加的标签的统计过敏性患者各个季度的数量

data_allergy_s = data_s_t[data_s_t.label.isin([1])] #提取出有过敏性疾病的数据

# 建立了季度与疾病就诊人数的联系

S =['2013spring','2014spring','2015spring','2016spring','2017spring',

'2013summer','2014summer','2015summer','2016summer','2017summer',

'2013autumn','2014autumn','2015autumn','2016autumn','2017autumn',

'2013winter','2014winter','2015winter','2016winter','2017winter']

S_count=np.zeros(len(S))

for j in data_allergy_s.index:

for i in range(len(S)):

if data_allergy_s.season[j]==S[i]:

S_count[i] = S_count[i]+1

6、画图

# 画出按季节分布的图

import matplotlib.pyplot as plt

%matplotlib inline

# plt.bar(range(len(S_count)),S_count,width=1.5,color = 'c',label = 'm=2')

plt.bar([0,1,2,3,4],[S_count[0],S_count[1],S_count[2],S_count[3],S_count[4]],color = 'g',label = 'm=2')

plt.bar([5,6,7,8,9],[S_count[5],S_count[6],S_count[7],S_count[8],S_count[9]],color = 'r',label = 'm=2')

plt.bar([10,11,12,13,14],[S_count[10],S_count[11],S_count[12],S_count[13],S_count[14]],color = 'y',label = 'm=2')

plt.bar([15,16,17,18,19],[S_count[15],S_count[16],S_count[17],S_count[18],S_count[19]],color = 'b',label = 'm=2')

for x,y,z in zip(range(len(S_count)),S_count,S):

plt.text(x+0.3,y,'%d'%y,ha='center',va='bottom')

t=plt.text(x+0.4,-35,'%s'%z,ha='center',va='bottom',fontproperties ='SimHei', fontsize=13)

t.set_rotation(90)

# plt.xlabel('季节',fontproperties ='SimHei', fontsize=15)

plt.ylabel('过敏性疾病人数',fontproperties ='SimHei', fontsize=20)

plt.xticks([])

plt.grid()

plt.figure(figsize=(60,20))

至此问题解决。

全部的数据和程序见：https://github.com/minda163/math_model​github.com

如有错误，欢迎指教！