You need to enable JavaScript to run this app. 如何用Pythonic方法基于pandas DataFrame生成日历热图所需的z score序列
优惠活动
大模型
产品
解决方案
定价
更多

如何用Pythonic方法基于pandas DataFrame生成日历热图所需的z score序列

日历热图z score序列生成的高效Pythonic实现

核心思路

摒弃逐日期、逐任务行循环匹配的低效写法,全部用pandas向量化操作实现,同时自动适配任意数量的工具类型映射,无需硬编码z值。

1. 基础数据预处理

首先统一日期格式,避免字符串比较踩坑:

import pandas as pd
import plotly.graph_objects as go

# 原始任务表日期列转标准datetime格式
dff['Start'] = pd.to_datetime(dff['Start'])
dff['End'] = pd.to_datetime(dff['End'])

2. 自适应工具-z值映射

自动从任务表提取所有出现过的唯一工具,按固定步长分配非0的z值,无任务统一记为0,完全适配2-10个工具的波动场景,不需要手动调整映射关系:

# 提取全量唯一工具
unique_tools = dff['Tool'].unique().tolist()
# 按0.5步长分配z值:自动匹配Hammer=0.5、Drill=1.0这类需求
tool_z_map = {tool: (idx + 1) * 0.5 for idx, tool in enumerate(unique_tools)}

如果需要调整z值步长或者起始值,直接修改映射生成的公式即可,不需要改动后续逻辑

3. 批量区间匹配(核心难点解决)

利用pandas专属的区间匹配工具merge_asof实现全量日期和任务区间的批量关联,替代双层循环:

# 生成覆盖任务全周期的有效日期序列,和你现有逻辑完全对齐
d1 = dff['Start'].min()
d2 = dff['End'].max()
full_date_range = pd.date_range(start=d1, end=d2, freq='D').to_frame(index=False, name='date')

# 给任务表关联对应z值
dff['z_score_raw'] = dff['Tool'].map(tool_z_map)

# 批量关联:找到每个日期对应的最近起点任务
matched_df = pd.merge_asof(
    full_date_range.sort_values('date'),
    dff.sort_values('Start'),
    left_on='date',
    right_on='Start',
    direction='backward',
    allow_exact_matches=True
)

# 校验日期是否落在任务区间内,无匹配的z值填0
matched_df['z_score'] = matched_df.apply(
    lambda row: row['z_score_raw'] if row['date'] <= row['End'] else 0,
    axis=1
).fillna(0)

4. 适配日历热图的坐标格式

按照x轴为星期、y轴为周次的要求,把关联好的z值转成热图接口需要的矩阵格式:

# 拆分坐标维度
matched_df['weekday'] = matched_df['date'].dt.weekday  # x轴:0=周一,6=周日
matched_df['week'] = matched_df['date'].dt.isocalendar().week  # y轴:ISO标准周次

# 生成热图需要的三维参数
z_matrix = matched_df.pivot(index='week', columns='weekday', values='z_score').values
x_axis = ['周一', '周二', '周三', '周四', '周五', '周六', '周日']
y_axis = matched_df['week'].unique().tolist()

# 直接对接plotly热图接口
fig.add_trace(go.Heatmap(z=z_matrix, x=x_axis, y=y_axis))

性能说明:整套逻辑的向量化计算比传统双层循环快2个数量级以上,哪怕时间跨度到数年、任务量到上千条,也不会出现卡顿。
边界适配:如果需要调整任务的区间规则(比如不把End当天算入作业日),只要修改校验步骤的<=为<即可,不需要改动其他代码。
重叠场景适配:如果某天同时命中多个任务区间,只要在z值计算步骤增加同日期z值的累加逻辑,就能实现多任务叠加的数值效果。

内容的提问来源于stack exchange,提问作者Chain

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.12 04:54:02