Блог

это файл csv Excel

    Receipt Name    Address      Date       Time    Total
    25007   A      ABC pte ltd   3/7/2016   10:40   12.30
    25008   A      ABC ptd ltd   3/7/2016   11.30   6.70
    25009   B      CCC ptd ltd   4/7/2016   07.35   23.40
    25010   A      ABC pte ltd   4/7/2016   12:40   9.90
  

как мне получить даты и время и сгруппировать их соответственно для компаний A и B, чтобы результат был примерно таким: (A, 3/7/2016, 10:40, 11.30, 4/7/2016 12:40), ( B, 07.04.2016, 07:35)

Мой существующий код:

 datePattern = re.compile(r"(d /d /d )s (d :d )")  
dateDict =dict()    

for i, line in enumerate(open('sample_data.csv')):
    for match in re.finditer(datePattern,line):
        if match.group(1) in dateDict:
            dateDict[match.group(1)].append(match.group(2))
        else:
            dateDict[match.group(1)] = [match.group(2),]
  

Однако это работает только для группировки даты и времени, но теперь я хочу включить имя как часть группировки. * Предпочтительнее использовать модуль csv

Предполагая, что ваши данные на самом деле выглядят так:

 Receipt,Name,Address,Date,Time,Items
25007,A,ABC pte ltd,4/7/2016,10:40,"Cheese, Cookie, Pie"
25008,A,CCC pte ltd,4/7/2016,11:30,"Cheese, Cookie"
25009,B,CCC pte ltd,4/7/2016,07:35,"Chocolate"
25010,A,CCC pte ltd,4/7/2016,12:40," Butter, Cookie"
  

тогда группировать довольно просто:

 from collections import defaultdict
from csv import reader
with open("test.csv") as f:
    next(f) # skip header
    group_dict = defaultdict(list)
    for _, name, _, dte, time, _ in reader(f):
        group_dict[name].append((dte, time))

from  pprint import pprint as pp

pp(dict(group_dict))
  

что даст вам:

 'A': [('4/7/2016', '10:40'), ('4/7/2016', '11:30'), ('4/7/2016', '12:40')],
 'B': [('4/7/2016', '07:35')]}
  

Если вы не хотите, чтобы дата повторялась, то также группируйте по этому:

 with open("test.csv") as f:
    next(f) # skip header
    group_dict = defaultdict(list)
    for _, name, _, dte, time, _ in reader(f):
        group_dict[name, dte].append(time)

from  pprint import pprint as pp

pp(dict(group_dict))
  

Что даст вам:

 {('A', '4/7/2016'): ['10:40', '11:30', '12:40'], ('B', '4/7/2016'): ['07:35']}
  

Это можно сделать довольно легко с помощью модуля Pandas:

 import pandas as pd

df = pd.read_csv('/path/to/file.csv')

df.groupby(['Name','Date']).Time.apply(list).reset_index().to_csv('d:/temp/out.csv', index=False)
  

D:tempout.csv:

 Name,Date,Time
A,3/7/2016,"['10:40', '11.30']"
A,4/7/2016,['12:40']
B,4/7/2016,['07.35']
  

Если вы не хотите использовать Pandas, это возможное решение. Это не самый элегантный способ, поскольку ваш формат csv относительно неудобен для анализа. Если вы можете изменить формат, чтобы использовать разделитель полей, не содержащий пробелов, предпочтительнее использовать соответствующую библиотеку синтаксического анализа csv (например, pandas встроенный csv модуль или Python).

 import re

datePattern = re.compile(r"(d /d /d )s (d [:.]d )")
companyPattern = re.compile(r"^s d s (w )")
companyDict = {}

for i, line in enumerate(open('sample_data.csv')):
    # skip csv header
    if i == 0:
        continue

    timestampMatch = datePattern.search(line)
    companyMatch   = companyPattern.search(line)

    # filter out any malformed lines which don't match
    if timestampMatch is None or companyMatch is None:
        continue

    date = timestampMatch.group(1)
    time = timestampMatch.group(2)
    company = companyMatch.group(1)

    companyDict.setdefault(company, []).append("{} {}".format(date, time))
  

Обратите внимание, что поле времени не согласуется с тем, использует ли оно . или : для разделителя часов / минут, поэтому я принял это во внимание.

Выполнение этого для ваших выборочных данных приводит к следующему значению для companyDict :

 {'A': ['3/7/2016 10:40', '3/7/2016 11.30', '4/7/2016 12:40'], 'B': ['4/7/2016 07.35']}