-
Notifications
You must be signed in to change notification settings - Fork 0
/
bp_object.py
240 lines (205 loc) · 10.2 KB
/
bp_object.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
'''
Основной объект программы bp_main_analysis:
данные и их обработка
'''
import os
import os
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from bp_const import *
from ppandas import *
class BpDat:
bp_DataFrame: pd.DataFrame # полный набор данных
bp_oil_price: pd.DataFrame # цены на нефть
curr_dir = ''
curr_dat_dir = ''
curr_res_dir = ''
def __init__(self):
print('bp_dat.__init__')
self.def_dir()
self.the_input_panel_data()
self.panel_frame_rebuilding()
self.the_output_panel_data()
# т.к. в panel data данные только по странам
self.the_input_oil_price_sheet()
self.price_frame_shrinking(bool(0)) # удаление пустых строк и столбцов в bp_oil_price
print('end __init__')
def def_dir(self):
self.curr_dir = os.getcwd()
self.curr_dat_dir = "\\".join([self.curr_dir, dat_dir])
self.curr_res_dir = "\\".join([self.curr_dir, res_dir])
# print(self.cur_dat_dir, ' ', self.curr_res_dir)
def the_input_panel_data(self):
# panel_xls_fname = 'bp-stats-review-2022-consolidated-dataset-panel-format.xlsx'
# main_xls_fname = 'bp-stats-review-2022-all-data.xlsx'
bp_xlsx = pd.ExcelFile("\\".join([self.curr_dat_dir, panel_xls_fname]))
# bp_xlsx = pd.ExcelFile("dat/bp-stats-review-2022-consolidated-dataset-panel-format.xlsx")
# print(bp_xlsx.sheet_names)
self.bp_DataFrame = bp_xlsx.parse()
def the_output_panel_data(self):
# 2023_Python и анализ данных
# Первичная обработка данных с применением pandas, NumPy и Jupiter.pdf
# стр.205
fname = "\\".join([self.curr_res_dir, my_panel_xls_fname])
self.bp_DataFrame.to_excel(fname, index=False)
pass
def panel_frame_add_col_opecplus(self, is_view=False):
# Вставить колонку и задать признак OPEC+
if is_view:
self.print_row_col(self.bp_DataFrame, 'Перед '+Col_Opec_plus)
self.bp_DataFrame[Col_Opec_plus] = 0
for index, row in self.bp_DataFrame.iterrows():
if (row['Country'] in opecplus_list) or (row['Country'] in opec_list):
self.bp_DataFrame.loc[index, Col_Opec_plus] = 1
if is_view:
self.print_row_col(self.bp_DataFrame, 'После '+Col_Opec_plus, True)
def panel_frame_restore_region(self):
# восстановить значение Region в случае пропуска
print('self.panel_frame_restore_region')
for index, row in self.bp_DataFrame.iterrows():
if type(row['Region']) != str:
for x in spec_region_list:
if x in row['Country']:
self.bp_DataFrame.loc[index, 'Region'] = x
# отдельно 2 трудных случая 'Other', выпадающих из общей закономерности
for index, row in self.bp_DataFrame.iterrows():
if type(row['Region']) != str:
if row['Country'] in spec_region_list2:
self.bp_DataFrame.loc[index, 'Region'] = 'S. & Cent. America'
# отдельно 2 трудных случая 'Total', выпадающих из общей закономерности
for index, row in self.bp_DataFrame.iterrows():
if type(row['Region']) != str:
if row['Country'] == 'Total EU':
self.bp_DataFrame.loc[index, 'Region'] = 'Europe'
if row['Country'] == 'Total Central America':
self.bp_DataFrame.loc[index, 'Region'] = 'S. & Cent. America'
def panel_frame_rebuilding(self):
self.panel_frame_add_col_opecplus()
self.panel_frame_restore_region()
def the_input_oil_price_sheet(self):
# т.к. в panel data данные только по странам
# bp_xlsx = pd.ExcelFile("\\".join([self.curr_dat_dir, panel_xls_fname]))
bp_xlsx = pd.ExcelFile("\\".join([self.curr_dat_dir, main_xls_fname]))
# print(bp_xlsx.sheet_names)
self.bp_oil_price = bp_xlsx.parse(sheet_name=main_xls_oil_price_sheet)
# print('bp_oil_price')
# print(self.bp_oil_price)
def print_row_col(self, dat: pd.DataFrame, title: str, view_head_tile: bool = False):
print(title)
print('число строк = ', dat.shape[0], ' ', dat.axes[0])
print('число столбцов = ', dat.shape[1], ' ', dat.axes[1])
if view_head_tile:
print(dat.head(7)); print(dat.tail(7))
print()
def price_frame_shrinking(self, is_view: bool = False):
if is_view: self.print_row_col(self.bp_oil_price, 'Перед price_frame_rebuilding')
bp: pd.DataFrame = self.bp_oil_price.drop(index=[165, 166, 167, 168]) # удаление строк
bp = bp.drop(index=[164]) # удаление строки, ее не удается удалить сразу
bp = bp.drop(index=[0, 1, 2]) # удаление строк
cols = list(range(3, 12))
bp.drop(bp.columns[cols], axis=1, inplace=True)
bp.columns = ['Year', '$ money of the day', '$ 2021']
rows = bp.shape[0]
bp = bp.reset_index() # сбрасыввем индекс, но старый индекс отсается первой колонкой
bp.drop(bp.columns[0], axis=1, inplace=True) # удаляем колонку старого индекса
self.bp_oil_price = bp
if is_view:
self.print_row_col(self.bp_oil_price, 'После price_frame_rebuilding', True)
def the_work(self):
print('bp_dat.the_work')
def the_visualisation(self, is_view=False):
if is_view:
print('the_visualisation')
self.the_oil_price_the_visualisation()
self.the_oil_production_in_year_visualisation(True)
def the_oil_production_in_year_visualisation(self, is_view=False):
y0 = years_prod_visu[0]
y1 = years_prod_visu[1]
y1965 = self.extract_oilprod_kbd(y0, clm_nm)
yyear = self.extract_oilprod_kbd(y1, clm_nm)
xtick_ = np.arange(len(country_prod_visu)) # [0 1 2] числовые метки оси x
width = 0.2 # ширина столбцов
fig, ax = plt.subplots(figsize=(15, 8))
plt.grid()
# создаем столбцы слева (x - width/2) и справа (x + width/2)
# от каждой метки x
# label – названия элементов легенды
rects1 = ax.bar(xtick_ - width / 2, y1965, width, label=str(y0))
rects2 = ax.bar(xtick_ + width / 2, yyear, width, label=str(y1))
ax.set_title(chrt_ttl)
ax.set_xticks(xtick_) # устанавливаем метки оси х
ax.set_xticklabels(country_prod_visu) # устанавливаем надписи меток оси х
ax.legend() # отображаем легенду
plt.show()
def extract_oilprod_kbd(self, year_: int, clm_nm: str):
len_ = len(country_prod_visu)
mass = [None]*len_
# print('year_ = ', year_)
for rowIndex, row in self.bp_DataFrame.iterrows(): # iterate over rows
if (row['Country'] in country_prod_visu) and (row['Year'] == year_):
for j in range(len_):
if row['Country'] == country_prod_visu[j]:
mass[j] = row[clm_nm]
# print(mass)
return mass
def the_oil_price_the_visualisation(self, is_view=False):
fig, ax = plt.subplots()
plt.grid() # создание сетки
ax.set_title('Цены на нефть, доллары')
x = self.bp_oil_price[theYear]
y = self.bp_oil_price[themotd]
y1 = self.bp_oil_price[thed2021]
ax.plot(x, y, label=themotd)
ax.plot(x, y1, label=thed2021)
ax.legend()
plt.show()
###################
def the_end(self):
print('Нормальное завершение')
def work_with_country(self, country_: str):
print('work_with ' + country_)
# SA_Series = self.bp_DataFrame["oilprod_kbd"]
dat = self.bp_DataFrame
temp = dat[["Country", "Year", clm_nm]] # clm_nm == "oilprod_kbd"
C_Series=temp[temp["Country"].str.contains(country_)]
x = np.array(C_Series["Year"].values.tolist())
y = np.array(C_Series[clm_nm].values.tolist())
plt.plot(x,y)
plt.title(chrt_ttl + ' '+country_)
plt.grid()
plt.show()
def work_with_countries(self, countries_: dict):
dat = self.bp_DataFrame
temp = dat[["Country", "Year", index_moc, clm_nm]] # clm_nm == "oilprod_kbd"
keys = list(main_oil_countries.keys())
values = list(main_oil_countries.values())
plt.grid()
plt.title(chrt_ttl + ': ' + ', '.join(keys))
for i in range(len(countries_)):
C_Series = temp[temp[index_moc].str.contains(values[i])]
print(len(C_Series))
plt.plot(C_Series["Year"], C_Series[clm_nm], label= keys[i])
# print(type(C_Series))
plt.legend()
plt.show()
def work_with_main_countries(self):
# дополнительно к work_with_countries идет выделение пог годам
plt.subplots(figsize=(10, 5.3))
main_oil_countries2 = create_main_oil_countries2()
dat = self.bp_DataFrame
print(type(dat))
temp = dat[["Country", "Year", index_moc, clm_nm]] # clm_nm == "oilprod_kbd"
keys = []; values = []
for i in range(main_oil_countries2.size):
keys += [main_oil_countries2[i].full_name]
values += [main_oil_countries2[i].shrt_name]
print(keys)
plt.title(chrt_ttl + ': ' + ', '.join(keys))
plt.grid()
temp2 = extract_in_years(temp, main_oil_countries2)
for i in range(len(main_oil_countries2)):
C_Series = temp2[temp2[index_moc].str.contains(values[i])]
plt.plot(C_Series["Year"], C_Series[clm_nm], label=keys[i])
plt.legend()
plt.show()