如何解析 python 中的 csv 文件得到這個 output？

Question

我有一個 csv 文件，其中包含類似的數據

樣品 csv

姓名	開始	結尾
約翰	12:00	13:00
約翰	12:10	13:00
約翰	12:20	13:20
湯姆	12:00	13:10
約翰	13:50	14:00
傑瑞	14:00	14:30
愛麗絲	15:00	16:00
傑瑞	11:00	15:00

1. 我需要找到 python 中每個人的平均時間。 我怎么做？

樣品 output

不同人花費的平均時間是：

約翰 (60+50+60+10)/4 分鍾湯姆 (70)/1 分鍾傑瑞 (30+240)/2 分鍾愛麗絲 (60)/1 分鍾

我嘗試通過 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'])

但是我無法解析具有特定行名屬於 Jerry 的列並找到他們時間的差異。

2. 還需要找出哪個人花費了最長時間

以防傑瑞花費最多時間

3. 還需要進行合並操作

前 - 約翰 [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]

任何幫助將不勝感激。

Answer 1

如果您願意為此使用 pandas，下面的代碼可以完成這項工作 -

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 -

	時差
愛麗絲	0 天 01:00:00
傑瑞	0 天 02:15:00
約翰	0 天 00:45:00
湯姆	0 天 01:10:00

代碼說明 -

• 代碼中的第 3 行讀取您擁有的 csv 文件並將其轉換為 pandas dataframe。 dataframe 只是一個表，可以以相同的方式進行操作。

• 代碼中的第 4 行將有效列中的所有值轉換為日期時間，這可以幫助您找到時差。 我已將參數errors = "ignore"作為 dataframe 中的第一列傳遞，列Name具有無法轉換為日期時間的字符串值。 將errors參數作為ignore傳遞將允許我保留該列的所有原始值。

• 第 5 行代碼從索引 1 開始選擇列並減去它們。 完成后，將實施drop function 並具有 null 值的冗余列。 完成后， rename function 開始並將End列重命名為Time Diff 。 所有這些都存儲在名為time_df的新變量中。

• 因為time_df中沒有 name 列，所以第 6 行添加了它。

• 一旦我有了所需的 dataframe，我只需根據Name列對數據進行分組，這意味着屬於特定人員的所有數據都將單獨處理。 這對我們來說是理想的，因為我們想找到每個人的平均時間。 為此，我們只需在分組數據上應用mean function，瞧，我們得到了所需的 output。

Answer 2

不帶 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

下面是一個簡化的代碼。 您可以使用 pandas 以更少的行數和更少的行數編寫它。

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

這是另一種不使用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 計算每個人的平均和最大時間（以分鍾為單位）：

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}}