-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathQuestons 6.py
203 lines (173 loc) · 6.49 KB
/
Questons 6.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
#موارد مربوط به خواسته 6
#خواندن کتابخانه
import pandas as pd
import matplotlib.pyplot as plt
import timecalc
import commute
#خواندن داده ها
d = pd.read_excel(r'C:\Users\Mahan\Desktop\New folder\FlightSales.xlsx')
#اضافه کردن ستون های مربوط به امور زمانی
timecalc.sharghigharbi(d)
d=timecalc.rooz(d)
d=timecalc.mah(d)
d=timecalc.year(d)
d=timecalc.dayofweek(d)
d=timecalc.month(d)
d=timecalc.year(d)
d=timecalc.time(d)
#نمودار ستونی فروش و تعداد مسافر شرکتهای مختلف
#بدست آوردن مجموع فروش شرکتها
import companies
a= companies.Richestcompanybyprice(d).reset_index()
b=sorted(list(a['company']))
b=list(map(str,b))
price = []
#v=sum(price)/len(price)
for i in b:
for j in range(len(a['company'])):
if a['company'][j] == int(i):
price.append(a['price'][j]/1000000)
#بدست آوردن تعداد مسافر شرکتها
a = companies.mostPopularcompanybyusercount(d).reset_index()
b=sorted(list(a['company']))
b=list(map(str,b))
count = []
for i in b:
for j in range(len(a['company'])):
if a['company'][j] == int(i):
count.append(a['user_id'][j]/1000)
#به دست آوردن شرکتهای برتر از نظر فروش و تعداد مسافر
averagep=int(round(sum(price)/len(price)))
averagec=int(round(sum(count)/len(count)))
topcomp=[]
for i in range(len(b)):
if (price[i]>averagep) and (count[i]>averagec):
topcomp.append(b[i])
#کشیدن نمودار
import numpy as np
ind = np.arange(len(b))
width=0.44
fig, ax=plt.subplots()
rect1=ax.bar(ind+width/2,price,width=width,color='xkcd:sky blue')
rect2=ax.bar(ind-width/2,count,width=width,color='xkcd:jade green')
plt.xticks(ind,b)
plt.xlabel('Company Code')
plt.text(-2.22,90,'Bilion Toman',color='xkcd:sky blue')
plt.text(-3.05 , 84.5 , 'Thousand Passengers',color='xkcd:jade green')
plt.hlines(averagep,-0.6,len(b),linestyles='--',colors='xkcd:ocher',label='Average')
plt.text(11.5,averagep,'Average Sale='+str(int(averagep)) ,color='xkcd:ocher')
plt.hlines(averagec,-0.6,len(b),linestyles='--',colors='xkcd:milk chocolate',label='Average')
plt.text(5.5,averagec,'Average Passengers='+str(int(averagec)) ,color='xkcd:milk chocolate')
plt.title('Companies Sale & Popularity')
#ذخیره نمودار
plt.savefig('savepath/Companies Sale & Popularity' , dpi = 2000 , bbox_inches='tight',quality=95)
plt.show()
#نمودار میزان فروش شرکتهای مختلف در ماه های مختلف
q = d.groupby(['company','mah']).sum()['price'].reset_index()
q = pd.DataFrame(q)
q = q[q['company'].isin(topcomp)].reset_index()
m = q.groupby('company')
C=[]
for company , company_df in m:
C.append(company)
maah = ['Farvardin','Ordibehesht','Khordad','Tir','Mordad','Shahrivar','Mehr','Aban','Azar','Dey','Bahman','Esfand']
for p in C:
m=[]
c=[]
a = q.loc[q['company'] == p].reset_index()
for i in maah:
for j in range(len(a['mah'])):
if a['mah'][j] == i:
c.append(a['price'][j]/1000000)
m.append(i)
plt.plot(m,c,label=str(p))
plt.title('Three Richest Companies Sale Distribution')
plt.xlabel('Month')
plt.xticks(rotation=45)
plt.ylabel('Total sale (Billion Toman)')
plt.legend()
plt.savefig('savepath/Three Richest Companies Sale Distribution' , dpi = 2000 , bbox_inches='tight',quality=95)
plt.show()
#بدست آوردن مقصد های پرطرفدار
a=commute.popularDestination(d).reset_index()
x=(list(a['destination']))
x=list(map(str,x))
y=list(a['id'])
v=sum(y)/len(y)
topdest=[]
for i in range(len(x)):
if y[i]>v:
topdest.append(x[i])
#بدست آوردن مبدا های پرطرفدار
a=commute.popularSource(d).reset_index()
x=(list(a['source']))
x=list(map(str,x))
y=list(a['id'])
v=sum(y)/len(y)
topsource=[]
for i in range(len(x)):
if y[i]>v:
topsource.append(x[i])
#نمودار توزیع مقصدهای مختلف در پرواز های شرکتهای با فروش و مسافر بیشتر
a=d[d['company'].isin(topcomp)]
a=a[a['destination'].isin(topdest)]
a=a.groupby(['company','destination']).count().reset_index()[['company','destination','id']]
dest=list(a['destination'].unique())
comp=list(a['company'].unique())
s=[]
for i in range(len(dest)):
ss=[]
for j in comp:
t=0
for k in list(a[a['company']==j]['id']):
if list(a[(a['company']==j) & (a['id']==k)]['destination'])==dest[i]:
ss.append(k)
t=1
if t==0:
ss.append(0)
s.append(ss)
s=s[-len(dest):]
ind=np.arange(len(comp))
summ=np.array(s[0])
plt.bar(ind,s[0],width=0.35,label=topdest[0])
for i in range(1,len(dest)):
plt.bar(ind,s[i],width=0.35,bottom=summ,label=topdest[i])
summ=summ+np.array(s[i])
plt.xticks(ind,topcomp)
plt.legend(title='Destination Code')
plt.xlabel('Company Code')
plt.ylabel('Passengers Count')
plt.title('Destination Distribution for Top Companies')
plt.savefig('savepath/Destination Distribution for Top Companies' , dpi = 2000 , bbox_inches='tight',quality=95)
#نمودار توزیع مبدا مختلف در پرواز های شرکتهای با فروش و مسافر بیشتر
a=d[d['company'].isin(topcomp)]
a=a[a['source'].isin(topdest)]
a=a.groupby(['company','source']).count().reset_index()[['company','source','id']]
dest=list(a['source'].unique())
comp=list(a['company'].unique())
s=[]
for i in range(len(dest)):
ss=[]
for j in comp:
t=0
for k in list(a[a['company']==j]['id']):
if list(a[(a['company']==j) & (a['id']==k)]['source'])==dest[i]:
ss.append(k)
t=1
if t==0:
ss.append(0)
s.append(ss)
s=s[-len(dest):]
import numpy as np
ind=np.arange(len(comp))
summ=np.array(s[0])
plt.bar(ind,s[0],width=0.35,label=topdest[0])
for i in range(1,len(dest)):
plt.bar(ind,s[i],width=0.35,bottom=summ,label=topdest[i])
summ=summ+np.array(s[i])
plt.xticks(ind,topcomp)
plt.legend(title='source Code')
plt.xlabel('Company Code')
plt.ylabel('Passengers Count')
plt.title('source Distribution for Top Companies')
plt.savefig('source Distribution for Top Companies.png' , dpi = 2000 , bbox_inches='tight',quality=95)