python小练习之航空公司数据练习题（二）_计算每架飞机在第一次延误超过1小时前的飞行次数

写在开头：这一节的内容是根据家庭作业来的，我们会对家庭作业中的问题展开的进行代码的运行与讲解，然后将代码进行封装直接跑出所有程序，数据的话会放在百度网盘以供下载。

航空公司数据匹配

今天要完成的一个小任务就是利用pandas去匹配航空公司数据，会给定几个简单的题目，然后对每个任务分别进行完成。首先呢我们需要对数据的字符段进行说明。
数据段说明

未说明数据可以忽略。
问题展示

问题解答
下面跟着笔者的思路一道题一道题的完成问题吧，当然每个题的解不唯一，
数据查看
在进行研究前我们先来加载数据，然后看一看数据逇整体信息，

import os
import pandas as pd
import numpy as np
os.chdir('C:\\Users\\Hsm\\Desktop\\数据\\fixtures')
flights = pd.read_csv("flights.csv")
print("1.查看数据规模")
print(flights.shape)        #观察数据规模
print("-"*40)
print("\n2.查看变量名")
print(flights.columns)      #观察数据变量名
print("-"*40)
print("\n3.查看数据基本信息")
flights.info()              #观察变量数量与类型
print("-"*40)
flights.drop_duplicates()   #重复值处理
print("\n4.统计缺失值")      #缺失值统计查看
nulls = np.sum(flights.isnull())
nullcols = nulls.loc[(nulls != 0)]
print(nullcols)
print("这里有",len(nullcols),"个变量存在缺失值")
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

1.查看数据规模
(336776, 19)
----------------------------------------

2.查看变量名
Index(['year', 'month', 'day', 'dep_time', 'sched_dep_time', 'dep_delay',
       'arr_time', 'sched_arr_time', 'arr_delay', 'carrier', 'flight',
       'tailnum', 'origin', 'dest', 'air_time', 'distance', 'hour', 'minute',
       'time_hour'],
      dtype='object')
----------------------------------------

3.查看数据基本信息
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 336776 entries, 0 to 336775
Data columns (total 19 columns):
year              336776 non-null int64
month             336776 non-null int64
day               336776 non-null int64
dep_time          328521 non-null float64
sched_dep_time    336776 non-null int64
dep_delay         328521 non-null float64
arr_time          328063 non-null float64
sched_arr_time    336776 non-null int64
arr_delay         327346 non-null float64
carrier           336776 non-null object
flight            336776 non-null int64
tailnum           334264 non-null object
origin            336776 non-null object
dest              336776 non-null object
air_time          327346 non-null float64
distance          336776 non-null float64
hour              336776 non-null float64
minute            336776 non-null float64
time_hour         336776 non-null object
dtypes: float64(8), int64(6), object(5)
memory usage: 48.8+ MB
----------------------------------------

4.统计缺失值
dep_time     8255
dep_delay    8255
arr_time     8713
arr_delay    9430
tailnum      2512
air_time     9430
dtype: int64
这里有 6 个变量存在缺失值
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

这里需要注意的是缺失值，这意味着我们在后面进行匹配是有必要考虑缺失情况进行补充。

---

问题1a
寻找达到延误2小时或者更多的航班

"""
要求：到达延误2小时或更多的航班
思路：寻找arr_delay大于120的航班,或者到达时间比预计达到时间多120分钟以上的航班（因为有航班延误数据缺失）
"""
arr2 = flights[flights['arr_delay'] >= 120]                             #选择延误arr_delay指标大于2小时的
arr2_na = flights[(flights['arr_delay'].isnull())]                      #指定arr_delay指标为空的数据，在其中进行寻找
arr2_na = arr2_na[arr2_na['arr_time']-arr2_na['sched_arr_time'] >= 200] #通过到达时间减去预计到达时间来判断是否延误两小时以上
#########################
#注意：
#考虑到如果存在00:05到达而预计23:30到达的航班，需要对时间进行咵天处理。反之也是如此
#但是由于缺失arr_delay数据中不存在类似于上述的咵天处理情况，因此直接使用到达与预计到达时间差作为判断指标是可行的
#########################
answer = pd.concat((arr2, arr2_na), axis=0)            #将两段数据进行连接
answer.iloc[:5]
1
2
3
4
5
6
7
8
9
10
11
12
13
14

问题1b
寻找飞往IAH或HOU机场的航班

"""
要求：寻找到达威廉·佩特斯·霍比机场(HOU)和乔治·布什洲际机场(IAH)的航班
思路：首先去掉停飞的航班(无起飞时间dep_time)，然后对dest进行匹配
"""
dest_flights = flights.dropna(axis = 0, subset = ['dep_time'])  #删除停飞航班信息
answer = dest_flights[
        (dest_flights['dest'] == 'HOU') | 
        (dest_flights['dest'] == 'IAH')
        ]
answer.iloc[:5]
1
2
3
4
5
6
7
8
9
10

问题1c
寻找联合航空(UA)、美利坚航空(AA)和三角洲航空(DL)的航班

"""
要求：寻找来自联合航空(UA)、美利坚航空(AA)、三角洲航空(DL)的航班
思路：首先去掉停飞的航班(无起飞时间dep_time)，然后对carrier进行匹配
"""
carrier_flights = flights.dropna(subset = ['dep_time'])
answer = carrier_flights[
        (carrier_flights['carrier'] == 'UA') | 
        (carrier_flights['carrier'] == 'AA') | 
        (carrier_flights['carrier'] == 'DL')
        ]
answer.iloc[:5]
1
2
3
4
5
6
7
8
9
10
11

问题1d
寻找7、8、9月的航班

"""
要求：寻找7月、8月、9月出发的航班
思路：首先去掉停飞的航班(无起飞时间dep_time)，观察到数据最多为9月，于是匹配大于等于7月出发的即可
"""

month_flights = flights.dropna(subset = ['dep_time'])
answer = month_flights[
    (7 <= month_flights['month'])
1
2
3
4
5
6
7