| [ |
| { |
| "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" |
| } |
| ] |
