instruction stringlengths 49 114 | output stringlengths 66 455 | input stringclasses 1
value |
|---|---|---|
Выведите список всех скважин, на которых в настоящее время проводятся работы по гидроразрыву пласта (ГРП) | current_date = pd.Timestamp('2024-05-01')
active_wells = df.loc[(df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] <= current_date) & (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] >= current_date)]
grp_wells = active_wells[active_wells['ТИП_ОПЕРАЦИИ'].isin(['Проведение ГРП', 'Проведение ГРП на ДФ', 'Проведение МГРП'])]
print(grp_wells['СКВАЖИНА'].tol... | |
Найдите все скважины, на которых проводились работы по смене погружного оборудования в течение последних 30 дней | last_30_days = pd.Timestamp('2024-05-01') - pd.Timedelta(days=30)
pump_change_wells = df.loc[(df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] >= last_30_days) & (df['ТИП_ОПЕРАЦИИ'] == 'Смена УЭЦН/УЭЦВ/УЭДН/УЭВН')]
print(pump_change_wells['СКВАЖИНА'].tolist()) | |
Выведите количество скважин по каждому типу операции | well_counts = df['ТИП_ОПЕРАЦИИ'].value_counts()
print(well_counts) | |
Найдите самую продолжительную операцию по времени | df['ДЛИТЕЛЬНОСТЬ'] = (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']) / pd.Timedelta(days=1)
longest_operation = df.loc[df['ДЛИТЕЛЬНОСТЬ'].idxmax()]
"print(f""Самая продолжительная операция: {longest_operation['ТИП_ОПЕРАЦИИ']} на скважине {longest_operation['СКВАЖИНА']}, длительность {longest_operatio... | |
Выведите список всех организаций, которые проводили операции по гидроразрыву пласта | grp_orgs = df.loc[df['ТИП_ОПЕРАЦИИ'].isin(['Проведение ГРП', 'Проведение ГРП на ДФ', 'Проведение МГРП']), 'ОРГАНИЗАЦИЯ'].unique()
print('Организации, проводившие ГРП:', ', '.join(grp_orgs)) | |
Найдите среднюю продолжительность операций по смене погружного оборудования для каждой организации | pump_change = df.loc[df['ТИП_ОПЕРАЦИИ'] == 'Смена УЭЦН/УЭЦВ/УЭДН/УЭВН'].copy()
pump_change['ДЛИТЕЛЬНОСТЬ'] = (pump_change['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - pump_change['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']) / pd.Timedelta(days=1)
mean_durations = pump_change.groupby('ОРГАНИЗАЦИЯ')['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()
print(mean_dur... | |
Выведите список всех бригад, которые проводили операции на скважинах в текущем месяце | current_month_start = pd.Timestamp('2024-05-01').replace(day=1)
current_month_end = current_month_start + pd.Timedelta(days=32).replace(day=1) - pd.Timedelta(days=1)
current_month_ops = df.loc[(df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] >= current_month_start) & (df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] < current_month_end)]
active_crews = cu... | |
Найдите средний разрыв между плановой и фактической датами начала операций для каждого типа операции | delay = df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] - df['ПЛАНОВАЯ_ДАТА_НАЧАЛА']
mean_delay = delay.dt.total_seconds() / 3600 # Перевод в часы
mean_delay_by_type = mean_delay.groupby(df['ТИП_ОПЕРАЦИИ']).mean().reset_index()
print(mean_delay_by_type) | |
Выведите список всех месторождений, на которых проводились операции | locations = df['ЛОКАЦИЯ'].unique()
print('Месторождения:', ', '.join(locations)) | |
Найдите наиболее частый тип операции для каждой организации | most_common_ops = df.groupby('ОРГАНИЗАЦИЯ')['ТИП_ОПЕРАЦИИ'].apply(lambda x: x.mode().tolist()).reset_index()
print(most_common_ops) | |
Выведите список всех кустов, на которых проводились операции в 2022 году | ops_2022 = df.loc[(df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].dt.year == 2022)]
pads_2022 = ops_2022['КУСТ'].unique()
print('Кусты с операциями в 2022 году:', ', '.join(pads_2022)) | |
Найдите среднюю продолжительность операций по типу для каждой локации | df['ДЛИТЕЛЬНОСТЬ'] = (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() / 86400
mean_duration = df.groupby(['ЛОКАЦИЯ', 'ТИП_ОПЕРАЦИИ'])['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()
print(mean_duration) | |
Выведите топ-5 самых занятых бригад по количеству проведенных операций | top_crews = df['БРИГАДА'].value_counts().reset_index().head(5)
top_crews.columns = ['БРИГАДА', 'КОЛИЧЕСТВО_ОПЕРАЦИЙ']
print(top_crews) | |
Найдите количество скважин, на которых проводились повторные операции в течение года | repeat_ops = df[df.duplicated(subset=['СКВАЖИНА'], keep=False)]
repeat_ops = repeat_ops[repeat_ops['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].dt.year == repeat_ops['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].dt.year.shift(-1)]
repeat_well_count = repeat_ops['СКВАЖИНА'].nunique()
print(f'Количество скважин с повторными операциями в течение года: {repea... | |
Выведите список всех дочерних предприятий, на которых проводились операции | subsidiaries = df['ДО'].unique()
print('Дочерние предприятия:', ', '.join(subsidiaries)) | |
Найдите среднюю задержку между плановой и фактической датами начала для каждого типа работ организации | delays = df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] - df['ПЛАНОВАЯ_ДАТА_НАЧАЛА']
delays = delays.dt.total_seconds() / 3600 # Перевод в часы
mean_delay = delays.groupby([df['ТИП_РПАБОТ_ОРГАНИЗАЦИИ']]).mean().reset_index()
print(mean_delay) | |
Выведите список всех операций, которые были завершены раньше запланированной даты окончания | early_ops = df.loc[df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] < df['ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']]
print(early_ops[['СКВАЖИНА', 'ТИП_ОПЕРАЦИИ', 'ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ', 'ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']]) | |
Найдите количество открытых (незавершенных) операций на текущий момент | current_date = pd.Timestamp('2024-05-01')
ongoing_ops = df.loc[df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] >= current_date]
print(f'Количество открытых операций: {len(ongoing_ops)}') | |
Выведите среднюю продолжительность операций по гидроразрыву пласта для каждого куста | grp_ops = df.loc[df['ТИП_ОПЕРАЦИИ'].isin(['Проведение ГРП', 'Проведение ГРП на ДФ', 'Проведение МГРП'])].copy()
grp_ops['ДЛИТЕЛЬНОСТЬ'] = (grp_ops['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - grp_ops['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() / 86400
mean_duration = grp_ops.groupby('КУСТ')['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()
p... | |
Найдите самую длительную операцию по гидроразрыву пласта | grp_ops = df.loc[df['ТИП_ОПЕРАЦИИ'].isin(['Проведение ГРП', 'Проведение ГРП на ДФ', 'Проведение МГРП'])]
grp_ops['ДЛИТЕЛЬНОСТЬ'] = (grp_ops['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - grp_ops['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() / 86400
longest_grp = grp_ops.loc[grp_ops['ДЛИТЕЛЬНОСТЬ'].idxmax()]
"print(f""Самая длительна... | |
Выведите список всех скважин, на которых проводились работы бригадой 'ГРП 18' | grp18_wells = df.loc[df['БРИГАДА'] == 'ГРП 18', 'СКВАЖИНА'].unique()
"print('Скважины с работами бригады ""ГРП 18"":', ', '.join(grp18_wells)) | |
Найдите количество скважино-операций для каждого статуса операции | well_op_counts = df.groupby('СТАТУС_ОПЕРАЦИИ').size().reset_index(name='КОЛИЧЕСТВО')
print(well_op_counts) | |
Выведите список всех организаций, которые проводили операции капитального ремонта скважин (КРС) | krs_orgs = df.loc[df['ТИП_РПАБОТ_ОРГАНИЗАЦИИ'] == 'КРС', 'ОРГАНИЗАЦИЯ'].unique()
print('Организации, проводившие КРС:', ', '.join(krs_orgs)) | |
Найдите средний разрыв между плановой и фактической датами окончания для операций по смене погружного оборудования | pump_change = df.loc[df['ТИП_ОПЕРАЦИИ'] == 'Смена УЭЦН/УЭЦВ/УЭДН/УЭВН'].copy()
pump_change['РАЗРЫВ'] = (pump_change['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - pump_change['ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']).dt.total_seconds() / 86400
mean_gap = pump_change['РАЗРЫВ'].mean()
print(f'Средний разрыв между плановой и фактической датами оконча... | |
Выведите топ-3 самых загруженных локаций по количеству проведенных операций | top_locations = df['ЛОКАЦИЯ'].value_counts().reset_index().head(3)
top_locations.columns = ['ЛОКАЦИЯ', 'КОЛИЧЕСТВО_ОПЕРАЦИЙ']
print(top_locations) | |
Найдите количество операций, которые начались в выходные дни (суббота или воскресенье) | weekend_ops = df[df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].dt.dayofweek.isin([5, 6])]
print(f'Количество операций, начавшихся в выходные: {len(weekend_ops)}') | |
Найдите среднюю задержку между плановой и фактической датами начала для каждого типа операции и статуса операции | delays = df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] - df['ПЛАНОВАЯ_ДАТА_НАЧАЛА']
delays = delays.dt.total_seconds() / 86400 # Перевод в дни
mean_delay = delays.groupby([df['ТИП_ОПЕРАЦИИ'], df['СТАТУС_ОПЕРАЦИИ']]).mean().reset_index()
print(mean_delay) | |
Выведите список всех операций, запланированных на следующий месяц | next_month_start = pd.Timestamp.today().replace(day=1) + pd.offsets.MonthBegin(1)
next_month_end = next_month_start + pd.offsets.MonthEnd(1)
planned_next_month = df.loc[(df['ПЛАНОВАЯ_ДАТА_НАЧАЛА'] >= next_month_start) &
(df['ПЛАНОВАЯ_ДАТА_НАЧАЛА'] < next_month_end)]
print(planned_next_month[['СКВАЖИНА', 'ТИП_ОПЕРАЦИИ',... | |
Найдите топ-5 скважин с наибольшим количеством проведенных на них операций | top_wells = df['СКВАЖИНА'].value_counts().reset_index().head(5)
top_wells.columns = ['СКВАЖИНА', 'КОЛИЧЕСТВО_ОПЕРАЦИЙ']
print(top_wells) | |
Выведите среднюю продолжительность операций по каждому типу работ организаций | df['ДЛИТЕЛЬНОСТЬ'] = (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() / 86400
mean_duration = df.groupby('ТИП_РПАБОТ_ОРГАНИЗАЦИИ')['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()
print(mean_duration) | |
Найдите количество выполненных операций для каждой комбинации организации и бригады | op_counts = df.groupby(['ОРГАНИЗАЦИЯ', 'БРИГАДА']).size().reset_index(name='КОЛИЧЕСТВО_ОПЕРАЦИЙ')
print(op_counts) | |
Выведите список всех операций, которые были завершены с опозданием относительно запланированной даты окончания | late_ops = df.loc[df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] > df['ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']]
print(late_ops[['СКВАЖИНА', 'ТИП_ОПЕРАЦИИ', 'ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ', 'ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']]) | |
Найдите наиболее распространенный тип операции для каждой локации | common_ops = df.groupby('ЛОКАЦИЯ')['ТИП_ОПЕРАЦИИ'].apply(lambda x: x.mode().tolist()).reset_index()
print(common_ops) | |
Выведите список всех кустов, на которых проводились операции бригадой 'КРС 09' | krs09_pads = df.loc[df['БРИГАДА'] == 'КРС 09', 'КУСТ'].unique()
"print('Кусты с операциями бригады ""КРС 09"":', ', '.join(krs09_pads)) | |
Найдите среднюю продолжительность операций по типам для каждой организации | df['ДЛИТЕЛЬНОСТЬ'] = (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() / 86400
mean_duration = df.groupby(['ОРГАНИЗАЦИЯ', 'ТИП_ОПЕРАЦИИ'])['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()
print(mean_duration) | |
Выведите количество операций, которые были запланированы, но не выполнены | planned_unexecuted = df.loc[df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].isna()]
print(f'Количество запланированных, но невыполненных операций: {len(planned_unexecuted)}') | |
Найдите наиболее распространенный тип работ организации для каждого статуса операции | common_org_works = df.groupby(['СТАТУС_ОПЕРАЦИИ', 'ТИП_РПАБОТ_ОРГАНИЗАЦИИ']).size().reset_index(name='КОЛИЧЕСТВО')
common_org_works = common_org_works.loc[common_org_works.groupby(['СТАТУС_ОПЕРАЦИИ'])['КОЛИЧЕСТВО'].idxmax()]
print(common_org_works) |
No dataset card yet
- Downloads last month
- 4