File size: 18,397 Bytes
49dc4ad | 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 | [
{
"output": "current_date = pd.Timestamp('2024-05-01')\nactive_wells = df.loc[(df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] <= current_date) & (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] >= current_date)]\ngrp_wells = active_wells[active_wells['ТИП_ОПЕРАЦИИ'].isin(['Проведение ГРП', 'Проведение ГРП на ДФ', 'Проведение МГРП'])]\nprint(grp_wells['СКВАЖИНА'].tolist())",
"input":"",
"instruction": "Выведите список всех скважин, на которых в настоящее время проводятся работы по гидроразрыву пласта (ГРП)"
},
{
"output": "last_30_days = pd.Timestamp('2024-05-01') - pd.Timedelta(days=30)\npump_change_wells = df.loc[(df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] >= last_30_days) & (df['ТИП_ОПЕРАЦИИ'] == 'Смена УЭЦН\/УЭЦВ\/УЭДН\/УЭВН')]\nprint(pump_change_wells['СКВАЖИНА'].tolist())",
"input":"",
"instruction": "Найдите все скважины, на которых проводились работы по смене погружного оборудования в течение последних 30 дней"
},
{
"output": "well_counts = df['ТИП_ОПЕРАЦИИ'].value_counts()\nprint(well_counts)",
"input":"",
"instruction": "Выведите количество скважин по каждому типу операции"
},
{
"output": "df['ДЛИТЕЛЬНОСТЬ'] = (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']) \/ pd.Timedelta(days=1)\nlongest_operation = df.loc[df['ДЛИТЕЛЬНОСТЬ'].idxmax()]\n\"print(f\"\"Самая продолжительная операция: {longest_operation['ТИП_ОПЕРАЦИИ']} на скважине {longest_operation['СКВАЖИНА']}, длительность {longest_operation['ДЛИТЕЛЬНОСТЬ']} дней\"\")",
"input":"",
"instruction": "Найдите самую продолжительную операцию по времени"
},
{
"output": "grp_orgs = df.loc[df['ТИП_ОПЕРАЦИИ'].isin(['Проведение ГРП', 'Проведение ГРП на ДФ', 'Проведение МГРП']), 'ОРГАНИЗАЦИЯ'].unique()\nprint('Организации, проводившие ГРП:', ', '.join(grp_orgs))",
"input":"",
"instruction": "Выведите список всех организаций, которые проводили операции по гидроразрыву пласта"
},
{
"output": "pump_change = df.loc[df['ТИП_ОПЕРАЦИИ'] == 'Смена УЭЦН\/УЭЦВ\/УЭДН\/УЭВН'].copy()\npump_change['ДЛИТЕЛЬНОСТЬ'] = (pump_change['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - pump_change['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']) \/ pd.Timedelta(days=1)\nmean_durations = pump_change.groupby('ОРГАНИЗАЦИЯ')['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()\nprint(mean_durations)",
"input":"",
"instruction": "Найдите среднюю продолжительность операций по смене погружного оборудования для каждой организации"
},
{
"output": "current_month_start = pd.Timestamp('2024-05-01').replace(day=1)\ncurrent_month_end = current_month_start + pd.Timedelta(days=32).replace(day=1) - pd.Timedelta(days=1)\ncurrent_month_ops = df.loc[(df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] >= current_month_start) & (df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] < current_month_end)]\nactive_crews = current_month_ops['БРИГАДА'].unique()\nprint('Активные бригады в текущем месяце:', ', '.join(active_crews))",
"input":"",
"instruction": "Выведите список всех бригад, которые проводили операции на скважинах в текущем месяце"
},
{
"output": "delay = df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] - df['ПЛАНОВАЯ_ДАТА_НАЧАЛА']\nmean_delay = delay.dt.total_seconds() \/ 3600 # Перевод в часы\nmean_delay_by_type = mean_delay.groupby(df['ТИП_ОПЕРАЦИИ']).mean().reset_index()\nprint(mean_delay_by_type)",
"input":"",
"instruction": "Найдите средний разрыв между плановой и фактической датами начала операций для каждого типа операции"
},
{
"output": "locations = df['ЛОКАЦИЯ'].unique()\nprint('Месторождения:', ', '.join(locations))",
"input":"",
"instruction": "Выведите список всех месторождений, на которых проводились операции"
},
{
"output": "most_common_ops = df.groupby('ОРГАНИЗАЦИЯ')['ТИП_ОПЕРАЦИИ'].apply(lambda x: x.mode().tolist()).reset_index()\nprint(most_common_ops)",
"input":"",
"instruction": "Найдите наиболее частый тип операции для каждой организации"
},
{
"output": "ops_2022 = df.loc[(df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].dt.year == 2022)]\npads_2022 = ops_2022['КУСТ'].unique()\nprint('Кусты с операциями в 2022 году:', ', '.join(pads_2022))",
"input":"",
"instruction": "Выведите список всех кустов, на которых проводились операции в 2022 году"
},
{
"output": "df['ДЛИТЕЛЬНОСТЬ'] = (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() \/ 86400\nmean_duration = df.groupby(['ЛОКАЦИЯ', 'ТИП_ОПЕРАЦИИ'])['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()\nprint(mean_duration)",
"input":"",
"instruction": "Найдите среднюю продолжительность операций по типу для каждой локации"
},
{
"output": "top_crews = df['БРИГАДА'].value_counts().reset_index().head(5)\ntop_crews.columns = ['БРИГАДА', 'КОЛИЧЕСТВО_ОПЕРАЦИЙ']\nprint(top_crews)",
"input":"",
"instruction": "Выведите топ-5 самых занятых бригад по количеству проведенных операций"
},
{
"output": "repeat_ops = df[df.duplicated(subset=['СКВАЖИНА'], keep=False)]\nrepeat_ops = repeat_ops[repeat_ops['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].dt.year == repeat_ops['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].dt.year.shift(-1)]\nrepeat_well_count = repeat_ops['СКВАЖИНА'].nunique()\nprint(f'Количество скважин с повторными операциями в течение года: {repeat_well_count}')",
"input":"",
"instruction": "Найдите количество скважин, на которых проводились повторные операции в течение года"
},
{
"output": "subsidiaries = df['ДО'].unique()\nprint('Дочерние предприятия:', ', '.join(subsidiaries))",
"input":"",
"instruction": "Выведите список всех дочерних предприятий, на которых проводились операции"
},
{
"output": "delays = df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] - df['ПЛАНОВАЯ_ДАТА_НАЧАЛА']\ndelays = delays.dt.total_seconds() \/ 3600 # Перевод в часы\nmean_delay = delays.groupby([df['ТИП_РПАБОТ_ОРГАНИЗАЦИИ']]).mean().reset_index()\nprint(mean_delay)",
"input":"",
"instruction": "Найдите среднюю задержку между плановой и фактической датами начала для каждого типа работ организации"
},
{
"output": "early_ops = df.loc[df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] < df['ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']]\nprint(early_ops[['СКВАЖИНА', 'ТИП_ОПЕРАЦИИ', 'ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ', 'ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']])",
"input":"",
"instruction": "Выведите список всех операций, которые были завершены раньше запланированной даты окончания"
},
{
"output": "current_date = pd.Timestamp('2024-05-01')\nongoing_ops = df.loc[df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] >= current_date]\nprint(f'Количество открытых операций: {len(ongoing_ops)}')",
"input":"",
"instruction": "Найдите количество открытых (незавершенных) операций на текущий момент"
},
{
"output": "grp_ops = df.loc[df['ТИП_ОПЕРАЦИИ'].isin(['Проведение ГРП', 'Проведение ГРП на ДФ', 'Проведение МГРП'])].copy()\ngrp_ops['ДЛИТЕЛЬНОСТЬ'] = (grp_ops['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - grp_ops['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() \/ 86400\nmean_duration = grp_ops.groupby('КУСТ')['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()\nprint(mean_duration)",
"input":"",
"instruction": "Выведите среднюю продолжительность операций по гидроразрыву пласта для каждого куста"
},
{
"output": "grp_ops = df.loc[df['ТИП_ОПЕРАЦИИ'].isin(['Проведение ГРП', 'Проведение ГРП на ДФ', 'Проведение МГРП'])]\ngrp_ops['ДЛИТЕЛЬНОСТЬ'] = (grp_ops['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - grp_ops['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() \/ 86400\nlongest_grp = grp_ops.loc[grp_ops['ДЛИТЕЛЬНОСТЬ'].idxmax()]\n\"print(f\"\"Самая длительная операция ГРП: {longest_grp['ТИП_ОПЕРАЦИИ']} на скважине {longest_grp['СКВАЖИНА']}, длительность {longest_grp['ДЛИТЕЛЬНОСТЬ']} дней\"\")",
"input":"",
"instruction": "Найдите самую длительную операцию по гидроразрыву пласта"
},
{
"output": "grp18_wells = df.loc[df['БРИГАДА'] == 'ГРП 18', 'СКВАЖИНА'].unique()\n\"print('Скважины с работами бригады \"\"ГРП 18\"\":', ', '.join(grp18_wells))",
"input":"",
"instruction": "Выведите список всех скважин, на которых проводились работы бригадой 'ГРП 18'"
},
{
"output": "well_op_counts = df.groupby('СТАТУС_ОПЕРАЦИИ').size().reset_index(name='КОЛИЧЕСТВО')\nprint(well_op_counts)",
"input":"",
"instruction": "Найдите количество скважино-операций для каждого статуса операции"
},
{
"output": "krs_orgs = df.loc[df['ТИП_РПАБОТ_ОРГАНИЗАЦИИ'] == 'КРС', 'ОРГАНИЗАЦИЯ'].unique()\nprint('Организации, проводившие КРС:', ', '.join(krs_orgs))",
"input":"",
"instruction": "Выведите список всех организаций, которые проводили операции капитального ремонта скважин (КРС)"
},
{
"output": "pump_change = df.loc[df['ТИП_ОПЕРАЦИИ'] == 'Смена УЭЦН\/УЭЦВ\/УЭДН\/УЭВН'].copy()\npump_change['РАЗРЫВ'] = (pump_change['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - pump_change['ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']).dt.total_seconds() \/ 86400\nmean_gap = pump_change['РАЗРЫВ'].mean()\nprint(f'Средний разрыв между плановой и фактической датами окончания для смены оборудования: {mean_gap} дней')",
"input":"",
"instruction": "Найдите средний разрыв между плановой и фактической датами окончания для операций по смене погружного оборудования"
},
{
"output": "top_locations = df['ЛОКАЦИЯ'].value_counts().reset_index().head(3)\ntop_locations.columns = ['ЛОКАЦИЯ', 'КОЛИЧЕСТВО_ОПЕРАЦИЙ']\nprint(top_locations)",
"input":"",
"instruction": "Выведите топ-3 самых загруженных локаций по количеству проведенных операций"
},
{
"output": "weekend_ops = df[df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].dt.dayofweek.isin([5, 6])]\nprint(f'Количество операций, начавшихся в выходные: {len(weekend_ops)}')",
"input":"",
"instruction": "Найдите количество операций, которые начались в выходные дни (суббота или воскресенье)"
},
{
"output": "delays = df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'] - df['ПЛАНОВАЯ_ДАТА_НАЧАЛА']\ndelays = delays.dt.total_seconds() \/ 86400 # Перевод в дни\nmean_delay = delays.groupby([df['ТИП_ОПЕРАЦИИ'], df['СТАТУС_ОПЕРАЦИИ']]).mean().reset_index()\nprint(mean_delay)",
"input":"",
"instruction": "Найдите среднюю задержку между плановой и фактической датами начала для каждого типа операции и статуса операции"
},
{
"output": "next_month_start = pd.Timestamp.today().replace(day=1) + pd.offsets.MonthBegin(1)\nnext_month_end = next_month_start + pd.offsets.MonthEnd(1)\nplanned_next_month = df.loc[(df['ПЛАНОВАЯ_ДАТА_НАЧАЛА'] >= next_month_start) &\n(df['ПЛАНОВАЯ_ДАТА_НАЧАЛА'] < next_month_end)]\nprint(planned_next_month[['СКВАЖИНА', 'ТИП_ОПЕРАЦИИ', 'ПЛАНОВАЯ_ДАТА_НАЧАЛА', 'ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']])",
"input":"",
"instruction": "Выведите список всех операций, запланированных на следующий месяц"
},
{
"output": "top_wells = df['СКВАЖИНА'].value_counts().reset_index().head(5)\ntop_wells.columns = ['СКВАЖИНА', 'КОЛИЧЕСТВО_ОПЕРАЦИЙ']\nprint(top_wells)",
"input":"",
"instruction": "Найдите топ-5 скважин с наибольшим количеством проведенных на них операций"
},
{
"output": "df['ДЛИТЕЛЬНОСТЬ'] = (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() \/ 86400\nmean_duration = df.groupby('ТИП_РПАБОТ_ОРГАНИЗАЦИИ')['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()\nprint(mean_duration)",
"input":"",
"instruction": "Выведите среднюю продолжительность операций по каждому типу работ организаций"
},
{
"output": "op_counts = df.groupby(['ОРГАНИЗАЦИЯ', 'БРИГАДА']).size().reset_index(name='КОЛИЧЕСТВО_ОПЕРАЦИЙ')\nprint(op_counts)",
"input":"",
"instruction": "Найдите количество выполненных операций для каждой комбинации организации и бригады"
},
{
"output": "late_ops = df.loc[df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] > df['ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']]\nprint(late_ops[['СКВАЖИНА', 'ТИП_ОПЕРАЦИИ', 'ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ', 'ПЛАНОВАЯ_ДАТА_ОКОНЧАНИЯ']])",
"input":"",
"instruction": "Выведите список всех операций, которые были завершены с опозданием относительно запланированной даты окончания"
},
{
"output": "common_ops = df.groupby('ЛОКАЦИЯ')['ТИП_ОПЕРАЦИИ'].apply(lambda x: x.mode().tolist()).reset_index()\nprint(common_ops)",
"input":"",
"instruction": "Найдите наиболее распространенный тип операции для каждой локации"
},
{
"output": "krs09_pads = df.loc[df['БРИГАДА'] == 'КРС 09', 'КУСТ'].unique()\n\"print('Кусты с операциями бригады \"\"КРС 09\"\":', ', '.join(krs09_pads))",
"input":"",
"instruction": "Выведите список всех кустов, на которых проводились операции бригадой 'КРС 09'"
},
{
"output": "df['ДЛИТЕЛЬНОСТЬ'] = (df['ФАКТИЧЕСКАЯ_ДАТА_ОКОНЧАНИЯ'] - df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА']).dt.total_seconds() \/ 86400\nmean_duration = df.groupby(['ОРГАНИЗАЦИЯ', 'ТИП_ОПЕРАЦИИ'])['ДЛИТЕЛЬНОСТЬ'].mean().reset_index()\nprint(mean_duration)",
"input":"",
"instruction": "Найдите среднюю продолжительность операций по типам для каждой организации"
},
{
"output": "planned_unexecuted = df.loc[df['ФАКТИЧЕСКАЯ_ДАТА_НАЧАЛА'].isna()]\nprint(f'Количество запланированных, но невыполненных операций: {len(planned_unexecuted)}')",
"input":"",
"instruction": "Выведите количество операций, которые были запланированы, но не выполнены"
},
{
"output": "common_org_works = df.groupby(['СТАТУС_ОПЕРАЦИИ', 'ТИП_РПАБОТ_ОРГАНИЗАЦИИ']).size().reset_index(name='КОЛИЧЕСТВО')\ncommon_org_works = common_org_works.loc[common_org_works.groupby(['СТАТУС_ОПЕРАЦИИ'])['КОЛИЧЕСТВО'].idxmax()]\nprint(common_org_works)",
"input":"",
"instruction": "Найдите наиболее распространенный тип работ организации для каждого статуса операции"
}
] |