如何解析 python 中的 csv 文件得到这个 output？

Question

我有一个 csv 文件，其中包含类似的数据

样品 csv

姓名	开始	结尾
约翰	12:00	13:00
约翰	12:10	13:00
约翰	12:20	13:20
汤姆	12:00	13:10
约翰	13:50	14:00
杰瑞	14:00	14:30
爱丽丝	15:00	16:00
杰瑞	11:00	15:00

1. 我需要找到 python 中每个人的平均时间。 我怎么做？

样品 output

不同人花费的平均时间是：

约翰 (60+50+60+10)/4 分钟汤姆 (70)/1 分钟杰瑞 (30+240)/2 分钟爱丽丝 (60)/1 分钟

我尝试通过 python csv 解析 csv 文件

import datetime
import csv


with open('people.csv', 'r') as file:
    reader = csv.DictReader(file)
    for row in reader:
        print(row['Start'],row['End'])

但是我无法解析具有特定行名属于 Jerry 的列并找到他们时间的差异。

2. 还需要找出哪个人花费了最长时间

以防杰瑞花费最多时间

3. 还需要进行合并操作

前 - 约翰 [12:00,13:00],[12:10,13:00],[12:20,13:20],[13:50,14:00]

output - [12:00,13:20],[13:50,14:00]

任何帮助将不胜感激。

Answer 1

如果您愿意为此使用 pandas，下面的代码可以完成这项工作 -

import pandas as pd

df = pd.read_csv("data.csv")
df = df.apply(pd.to_datetime, errors = "ignore")
time_df = df.iloc[:, 1:].diff(axis = 1).drop(columns = "Start").rename(columns = {"End" : "Time Diff"})
time_df["Name"] = df["Name"]
time_df.groupby("Name").mean()

Output -

	时差
爱丽丝	0 天 01:00:00
杰瑞	0 天 02:15:00
约翰	0 天 00:45:00
汤姆	0 天 01:10:00

代码说明 -

• 代码中的第 3 行读取您拥有的 csv 文件并将其转换为 pandas dataframe。 dataframe 只是一个表，可以以相同的方式进行操作。

• 代码中的第 4 行将有效列中的所有值转换为日期时间，这可以帮助您找到时差。 我已将参数errors = "ignore"作为 dataframe 中的第一列传递，列Name具有无法转换为日期时间的字符串值。 将errors参数作为ignore传递将允许我保留该列的所有原始值。

• 第 5 行代码从索引 1 开始选择列并减去它们。 完成后，将实施drop function 并具有 null 值的冗余列。 完成后， rename function 开始并将End列重命名为Time Diff 。 所有这些都存储在名为time_df的新变量中。

• 因为time_df中没有 name 列，所以第 6 行添加了它。

• 一旦我有了所需的 dataframe，我只需根据Name列对数据进行分组，这意味着属于特定人员的所有数据都将单独处理。 这对我们来说是理想的，因为我们想找到每个人的平均时间。 为此，我们只需在分组数据上应用mean function，瞧，我们得到了所需的 output。

Answer 2

不带 Pandas：

times = {}

with open('people.csv', 'r') as file:
    reader = csv.DictReader(file)
    for row in reader:
    
        if row['name'] not in times.keys():
            times[row['name']] = []
    
        times[row['name']].append(row['End'] - row['Start'])
    
for person in times.keys():
    print(person + ": " + str(sum(times[person]) / len(times[person])))

Answer 3

下面是一个简化的代码。 您可以使用 pandas 以更少的行数和更少的行数编写它。

import csv
from datetime import datetime

avg = {}
with open('people.csv', mode='r') as csv_file:
    csv_reader = csv.DictReader(csv_file)
    for row in csv_reader:
        name = row["Name"]
        start_time = datetime.strptime(row["Start"], "%H:%M")
        end_time = datetime.strptime(row["End"], "%H:%M")
        time_taken = (end_time - start_time).total_seconds() / 60.0
        if name not in avg.keys():
            avg[name] = [time_taken,1]
        else:
            prev_time_total = avg[name][0]
            prev_count = avg[name][1]
            new_time_total = prev_time_total + time_taken
            new_count = prev_count + 1
            avg[name] = [new_time_total,new_count]

for entry in avg:
    print(entry,avg[entry][0]/avg[entry][1])

Answer 4

这是另一种不使用pandas的方法 -

from datetime import datetime, timedelta

with open("data.csv", "r") as f:
    f = csv.DictReader(f)
    data = [row for row in f]

diffs = {list(row.values())[0]: [] for row in data}
for row in data:
    vals = list(row.values())
    diffs[vals[0]].append(datetime.strptime(vals[2], "%H:%M") - datetime.strptime(vals[1], "%H:%M"))

diffs_avg = [str(timedelta(seconds = sum(map(timedelta.total_seconds, times)) / len(times))) for times in diffs.values()]
dict(zip(diffs.keys(), diffs_avg))

Output -

{'Alice': '1:00:00', 'Jerry': '2:15:00', 'John': '0:45:00', 'Tom': '1:10:00'}

Answer 5

用 pandas 计算每个人的平均和最大时间（以分钟为单位）：

import pandas as pd

df = (pd.read_csv('file_01.csv',parse_dates=['Start','End']).
      assign(diff=(df1.End-df1.Start).dt.total_seconds()//60).
      groupby('Name')['diff'].
      agg(['mean','max']))

print(df)
'''
        mean    max
Name               
Alice   60.0   60.0
Jerry  135.0  240.0
John    45.0   60.0
Tom     70.0   70.0
'''

df.to_dict()

>>> out
'''
{'mean': {'Alice': 60.0, 'Jerry': 135.0, 'John': 45.0, 'Tom': 70.0},
 'max': {'Alice': 60.0, 'Jerry': 240.0, 'John': 60.0, 'Tom': 70.0}}