如何使用 python 读取具有 JSON 功能的 csv 文件

Question

我有一个 csv 文件，其中包含如下数据框所示的 JSON 功能

标识 |日期 |会话

001 | 29/8/2019 | [{"start":451;"end":459;"duration":13};{"start":522;"end":528;"duration":11};{"start":568;"end":575;"duration":12};{"start":595;"end":604;"duration":14};{"start":1194;"end":1210;"duration":21}]

002 | 27/8/2019 | [{"start":64;"end":65;"duration":6};{"start":451;"end":456;"duration":10};
{"start":513;"end":516;"duration":8};{"start":537;"end":541;"duration":9};{"start":1208;"end":1215;"duration":12};{"start":1367;"end":1368;"duration":6}]

• 定义：

Hour01：一天中第一个小时内的会话持续时间（以分钟为单位），从 0001 到 0100 小时。 Hour02：从 0101 到 0200 小时，一天中第 2 个小时内的会话持续时间（以分钟为单位）。等等 . . Hour23：一天中第 24 小时内的会话持续时间（以分钟为单位），从 2301 到 2400 小时。

• 注 1：每天从“0”分钟开始，到“1440”分钟结束。
• 注意 2：在每个 Activity 会话的开始处增加了额外的“5 分钟”。
• 注意 3：会话被视为 VALID only WHEN {session minutes in {duration} is > 9 minutes}。
• 注意 4：对于

在场景 1 中，我们读取了“会话”中的第一行 - {"start"":451;""end"":459;””duration””:13;}，这表明 Activity 在第 451 分钟开始并在第 459 分钟结束 ==> 这导致 {459 – 551} 8 分钟的 Activity 在{Hour of day}，在该日期{29/8/2019} 对应用户 ID{ec296e97c0}。

一个。分钟 451 开始于“Hour 8”，而 459 结束于“Hour 8”。因此，该用户的“8 分钟”活动总数被读取为“8 小时”（如下所示）。 湾。我们在每个活动会话的第一个时段（初始小时）中增加了额外的“5 分钟”。 {8 + 5} 13 分钟分配给“Hour 8”（而不是 8 分钟），如下面的输出所示。 这是一个有效的会话，将捕获 13 分钟的持续时间。 （在应用上述注 2 和 3 后）。

1. 同样，我们分配所有段 {Session} 并将它们映射到正确的时间。

对于场景 2，当会话跨越两个或多个连续小时时：

1. 从上面第 4 次会话的示例中，{""start"":595;""end"":604;""duration"":14}。 一世。活动跨越两个小时{10, 11}。 ii.分钟“595 到 600”分配给“Hour10”，“600 到 604”分配给“Hour11”。 （注 2 和 3 在每个会话中相应应用）

2。每个小时{Hr1…Hr24} 的总分钟数是根据“预期输出”得出并制表的

完全坚持将上述带有 JSON 值的 csv 格式设置为以下格式： EXPECTED –OUTPUT {按照以下格式}显示 1 行作为结果示例

ID |   Date  |Hr01|Hr02|Hr03|Hr04|Hr05|Hr06|Hr07|Hr08|Hr09|Hr10|Hr11|.....|Hr24
001|27/8/2019|    |    |    |    |    |    |    | 13 | 11 | 22 | 33 |...
002|26/8/2019|...

可以帮助建议如何使用python 实现这一目标吗？我在 python 方面仍然很弱，如果有人可以提供帮助，我真的很感激。

谢谢

Answer 1

这就是你想要的

import re

CSV_FILE = "file.csv"
CSV_OUTPUT_FILE = "output.csv"

file = open(CSV_OUTPUT_FILE, "w")
file.close()

with open(CSV_FILE, "r") as file:
    for line in file:
        if line == "\n":
            continue
        seperaters = [i for i, ltr in enumerate(line) if ltr == "|"]
        id = line[: seperaters[0]].replace(" ", "")
        date = line[seperaters[0] + 1 : seperaters[1]].replace(" ", "")
        raw_data = [int(s) for s in re.findall(r"\d+", line[seperaters[1] + 1 :])]
        Hours = [100 * _ for _ in range(1, 25)]
        hours = [0 for _ in range(24)]
        data = []
        data_temp = []
        for i in range(len(raw_data)):
            if (i + 1) % 3:
                data_temp.append(raw_data[i])
            else:
                data_temp.append(raw_data[i])
                data.append(data_temp)
                data_temp = []
        for H in Hours:
            for d in data:
                if H - 100 <= d[0] <= H and H - 100 <= d[1] <= H:
                    if d[2] >= 9:
                        hours[int(H / 100) - 1] += d[2]
                elif H - 100 <= d[0] <= H and H <= d[1] <= H + 100:
                    if H - d[0] + 5 >= 9:
                        hours[int(H / 100) - 1] += H - d[0] + 5
                    if d[1] - H + 5 >= 9:
                        hours[int(H / 100)] += d[1] - H + 5
        with open(CSV_OUTPUT_FILE, "a") as file:
            file.write(str(id) + "|")
            file.write(str(date) + "|")
            for h in hours:
                if h:
                    file.write(str(h) + "|")
                else:
                    file.write("|")
            file.write("\n")

用您自己的文件替换file.csv。