本文旨在提供一个Python脚本，用于从CSV文件中读取数据，计算特定月份内（例如二月）每个ID对应的办公时长。该脚本不依赖Pandas库，而是使用csv和datetime模块进行数据处理和时间计算。文章将详细解释代码逻辑，并提供注意事项，帮助读者理解和应用该方法。
数据准备
首先，我们需要准备包含ID、类型（in/out）和时间信息的CSV文件。以下是一个示例CSV文件的内容（data.csv）：
id,type,time1,out,2023-01-01T08:01:28.000Z1,in,2023-02-01T08:01:28.000Z2,in,2023-02-01T09:04:16.000Z2,out,2023-02-01T12:01:28.000Z1,out,2023-02-01T13:34:15.000Z
Python 代码实现
以下Python代码展示了如何读取CSV文件，筛选二月份的数据，并计算每个ID的办公时长。
import datetimeimport csvdate_format = '%Y-%m-%dT%H:%M:%S.%fZ'total_time = {}feb = datetime.datetime.strptime('2023-02', '%Y-%m').monthfile_path = 'data.csv'with open(file_path, 'r') as f: # Create a CSV reader csv_file = csv.DictReader(f) list_of_dict = list(csv_file)for d in list_of_dict: w_id = d['id'] dt = datetime.datetime.strptime(d['time'], date_format).date() d_time = datetime.datetime.strptime(d['time'], date_format) if d_time.month == feb: if not total_time.get(w_id): total_time[w_id] = {"date": None,"last_in": None, "last_out": None, "work_hour_s": 0. , 'work_hour_string': '' } update_time = total_time[w_id] update_time['date'] = dt if d['type'] == 'in': update_time['last_in'] = d_time if d['type'] == 'out': update_time['last_out'] = d_time if update_time['last_out'] and update_time['last_in']: if update_time['last_out'] > update_time['last_in']: work_hour_s = update_time['last_out'] - update_time['last_in'] update_time['work_hour_s'] += work_hour_s.seconds up_time = int(update_time['work_hour_s']) hours, remainder = divmod(up_time, 3600) minutes, seconds = divmod(remainder, 60) formatted_duration = f"{hours:02d}:{minutes:02d}:{seconds:02d}" update_time['work_hour_string'] = formatted_durationprint(total_time)
代码解释:
立即学习“Python免费学习笔记（深入）”；
导入必要的模块: 导入 datetime 用于处理日期和时间，csv 用于读取CSV文件。定义日期格式: date_format = ‘%Y-%m-%dT%H:%M:%S.%fZ’ 定义了CSV文件中时间戳的格式。初始化数据结构: total_time = {} 用于存储每个ID对应的办公时长信息。指定目标月份: feb = datetime.datetime.strptime(‘2023-02’, ‘%Y-%m’).month 获取二月份的月份值。读取CSV文件: 使用 csv.DictReader 读取CSV文件，并将每行数据存储为字典。遍历数据: 遍历CSV文件中的每一行数据。筛选目标月份数据: 检查当前行数据的月份是否为二月。初始化ID数据: 如果total_time字典中不存在当前ID，则初始化一个包含date, last_in, last_out, work_hour_s, work_hour_string等键的字典。更新最后进入/离开时间: 根据type字段的值，更新last_in或last_out时间。计算办公时长: 如果last_in和last_out都存在，则计算二者的时间差，并将结果累加到work_hour_s中。格式化输出: 将总秒数转换为HH:MM:SS格式的字符串，并存储在work_hour_string中。输出结果: 打印total_time字典，其中包含了每个ID在二月份的办公时长信息。
输出示例:
{'1': {'date': datetime.date(2023, 2, 1), 'last_in': datetime.datetime(2023, 2, 1, 8, 1, 28), 'last_out': datetime.datetime(2023, 2, 1, 13, 34, 15), 'work_hour_s': 19967.0, 'work_hour_string': '05:32:47'}, '2': {'date': datetime.date(2023, 2, 1), 'last_in': datetime.datetime(2023, 2, 1, 9, 4, 16), 'last_out': datetime.datetime(2023, 2, 1, 12, 1, 28), 'work_hour_s': 10632.0, 'work_hour_string': '02:57:12'}}
注意事项
数据顺序: 代码假设同一ID的in和out记录是成对出现的，并且out记录的时间晚于in记录。如果数据不是有序的，需要先进行排序。数据完整性: 代码没有处理数据缺失的情况，例如只有in记录而没有out记录，或者反之。在实际应用中，需要根据具体情况进行处理。例如，可以忽略只有in或out的记录，或者使用默认值填充缺失的in或out时间。日期格式: 确保CSV文件中的日期格式与date_format变量定义的格式一致。如果不一致，需要修改date_format变量。时区问题: 代码没有考虑时区问题。如果CSV文件中的时间戳包含时区信息，需要先将时间戳转换为统一的时区，然后再进行计算。错误处理: 在实际应用中，应该添加错误处理机制，例如使用try-except块来捕获可能发生的异常，例如文件不存在、日期格式错误等。
总结
本文提供了一个使用Python计算CSV文件中办公时长的示例代码，并详细解释了代码逻辑和注意事项。该代码不依赖Pandas库，而是使用csv和datetime模块进行数据处理，可以作为处理CSV数据的基础。在实际应用中，需要根据具体情况进行修改和完善，例如处理数据缺失、时区问题和错误处理等。
以上就是Python计算办公时长：CSV数据处理与时间差计算的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1368732.html
微信扫一扫 
支付宝扫一扫 
