从ex解析和构建jsondata

Question

我正在尝试解析一个excel，以便使用xlrd将它与其他数据结合起来。你知道吗

我在网上搜索了一个解决方案，但不管我怎么努力，都无法使它工作。如何用这些数据构建JSON对象？我提供了一个示例，说明了excel中的原始数据是什么样的，以及我希望对象是什么样的。你知道吗

Date            User   Hours  Manager   Category
2019-02-25      User1   4     Manager1  Category1
2019-04-01      User2   2     Manager1  Category1
2019-04-01      User2   3     Manager1  Category1
2019-04-01      User2   2     Manager1  Category2
2019-05-06      User3   3     Manager2  Category1
2019-01-07      User4   1     Manager3  Category2
2019-04-07      User2   4     Manager1  Category1
2019-01-21      User4   2     Manager3  Category2
2019-04-07      User2   2     Manager1  Category2

我想要的数据是：

{
  Manager1: { User1: {February: {Category1: 4}}
              User2: {April: {Category1: 9,
                              Category2: 4}}
              },
  *Manager2...*
}

不用“二月”作为一个月的例子，简单的数字就可以了。我现在使用下面的代码将excel日期类型从“43570.0”格式转换为表示月份的数字

excel_date = int(row_values[0])
full_date = datetime.fromordinal(datetime(1900,1,1).toordinal() + excel_date -2)
month = full_date.date().month

我能够逐行解析它，但我不知道如何将它作为一个对象组合在一起。因为在这个数据中有大约15k行，所以我想把upp每个值加上每个人的小时数

object[manager][user][month][category] += hours

但是我不知道我应该如何构建我的对象，因为我只收到关键错误。我试着添加一个defaultdict函数，但我还没能解决这个问题

我现在用这段代码进行解析，但无法理解最后一部分：

for rownum in range(2, file_sh.nrows-1):
    row_values = file_sh.row_values(rownum)
    excel_date = int(row_values[0])
    full_date = datetime.fromordinal(datetime(1900,1,1).toordinal() + excel_date -2)
    month = full_date.date().month
    manager = row_values[4]
    user = row_values[2]
    row_type = row_values[5]
    hours = row_values[3]

print(month, manager, user, row_type, hours)
returns: 2 Manager1 User1 Category1 4

Answer 1

谢谢。你知道吗

我为pandas、numpy和Python的其他数据科学库购买了Udemy课程。这似乎是一条路要走，即使我还没有经历过这一切，并解决了我最初的问题。你知道吗

Answer 2

用pandas怎么样？你知道吗

您可以以excel格式读取数据，只提取月份，并使用所需的计算值制作pivot_table()：

import pandas as pd
import numpy as np

df = pd.read_excel('test.xlsx')
df['Date'] = df['Date'].dt.month

table = pd.pivot_table(df, values=['Hours'], 
                       index=['Manager', 'User', 'Date'], 
                       columns=['Category'], aggfunc=np.sum).fillna(0)

接下来您可以用orient='index'导出它：

table.to_json('out.json', orient='index')

结果：

{
  "["Manager1","User1",2]":{"["Hours","Category1"]":4.0,"["Hours","Category2"]":0.0},
  "["Manager1","User2",4]":{"["Hours","Category1"]":9.0,"["Hours","Category2"]":4.0},
  "["Manager2","User3",5]":{"["Hours","Category1"]":3.0,"["Hours","Category2"]":0.0},
  "["Manager3","User4",1]":{"["Hours","Category1"]":0.0,"["Hours","Category2"]":3.0}
}

不完全是post中的格式，但是值在那里（或者对json做一些后处理）。你知道吗

编辑

或者在调用to_json()之前将其转换回DataFrame：

json.loads(pd.DataFrame(table.to_records()).to_json(orient='records'))

结果：

[{'Manager': 'Manager1',
  'User': 'User1',
  'Date': 2,
  "('Hours', 'Category1')": 4.0,
  "('Hours', 'Category2')": 0.0},
 {'Manager': 'Manager1',
  'User': 'User2',
  'Date': 4,
  "('Hours', 'Category1')": 9.0,
  "('Hours', 'Category2')": 4.0},
 {'Manager': 'Manager2',
  'User': 'User3',
  'Date': 5,
  "('Hours', 'Category1')": 3.0,
  "('Hours', 'Category2')": 0.0},
 {'Manager': 'Manager3',
  'User': 'User4',
  'Date': 1,
  "('Hours', 'Category1')": 0.0,
  "('Hours', 'Category2')": 3.0}]