python idの日付範囲からユニークな日付を検索

Question

私は4日間は行けないという問題があります。私はpython noobieです。 私はPython 2.6でunixボックスに取り組んでいます...そして、numpy、pandasのような追加のリベラルはありません。

私がする必要があるのは、できるだけ下のファイルの行数を少なくすることです。したがって、同じid1、id2の日付範囲の日付が互いにカバーしている場合は、それらをオーバーライドする必要があります。しかし、あなたが出力を期待して見ることができるように、それらの最小値と最大値は十分ではありません。なぜなら、日付のいくつかは毎日ではないからです。

入力

ID1|IDTYPE2|20160802|20160912| 
ID1|IDTYPE2|20160803|20160913| 
ID1|IDTYPE2|20160804|20160914| 
ID1|IDTYPE2|20160805|20160915| 
ID1|IDTYPE2|20160808|20160916| 
ID1|IDTYPE2|20160925|20160925| 
ID2|IDTYPE2|20160925|20160925| 

予想される出力

私が試してみました何

ID1|IDTYPE2|20160802|20160916| 
ID1|IDTYPE2|20160925|20160925| 
ID2|IDTYPE2|20160925|20160925| 

が、それは多くの結果

f = open(filename, 'rU') 
outf = open(filename + '_date_diff', 'w') 
dict_of_ID_dates = defaultdict(list) 
for line in f: 
    columns = line.split("|") 
    ID1 = (columns[0]) 
    IDType2 = (columns[1]) 
    start = (columns[2]) 
    end = (columns[3]) 
    start_date = datetime.datetime.strptime(start,'%Y%m%d').date() 
    end_date = datetime.datetime.strptime(end,'%Y%m%d').date() 
    diff = end_date - start_date 
    list_of_dates =[] 
    date_ranges = range(diff.days +1) 
    # [0,1,2,3] 
    for date in date_ranges: 
    dates = (start_date + datetime.timedelta(date)).isoformat() 
# [datetime format dates = '20160101'] 
    if dates not in dict_of_ID_dates.values(): 
     dict_of_ID_dates[ID].append(dates) 
print (dict_of_ID_dates) 

Answer 1

は、入力ファイルIDと日付が常に増加する順番であると仮定します。以下のコードは動作するはずです。

tmplineは、IDが変更されたときに出力されるバッファ保持行またはtmplineバッファの現在の行date1> date2（新しい日付範囲を開始する必要があることを意味します）として機能します。現在の行のdate2がbufferのdate2より大きい場合、バッファ列2（date2）はオーバーライドされます。

output = [] 
with open(filename, 'rU') as f: 
    prev_id = None 
    tmpline = '' 
    for line in f: 
     line = line.strip() 
     (id, date1, date2, dummy) = line.rsplit('|', 3) 
     # line = 'ID1|IDTYPE2|20160802|20160912|' 
     # id = 'ID1|IDTYPE2' 
     # date1 = '20160802' 
     # date2 = '20160912' 
     # dummy = '' 

     # append to output when new ID changes or 
     # date1 > previous date2 (start new range of dates) 
     if prev_id != id or date1 > tmpline[2]: 
      if tmpline: 
       output.append('|'.join(tmpline)) 
      tmpline = [id, date1, date2, dummy] 

     # override end date if larger 
     elif date2 > tmpline[2]: 
      tmpline[2] = date2 
     prev_id = id 

    # take care last line 
    tmpline = '|'.join(tmpline) 
    if tmpline != output[-1]: 
     output.append(tmpline) 

出力がコンソールに、または別のファイル

# print out the ouput 
for line in output: 
    print line 


# based on the input from the post 
# output = ['ID1|IDTYPE2|20160802|20160916|', 'ID1|IDTYPE2|20160925|20160925|', 'ID2|IDTYPE2|20160925|20160925|'] 

Answer 2

あなたは日付の書式についてのクールなことに私をgavesあなたは文字列以外のものに変換する必要さえないということを使用しています。

単純にdate1 > date2と言うことができ、文字列の比較が効果的です。

は、あなたがこれを行うことができますことを言った：

f = open(filename, 'rU') 
ranges = {} 
for line in f: 
    elem = line.split("|") # get every item of the row in a list 

    if elem[0] not in ranges: 
     ranges[elem[0]] = [] 

    matched = False 
    for x in ranges[elem[0]]: # check the current line overlap with any previous ones 
     if elem[2] >= x[1] and elem[2] <= x[2] or \ 
      elem[3] >= x[1] and elem[3] <= x[2] or \ 
      elem[2] <= x[1] and elem[3] >= x[2] or \ 
      elem[2] >= x[1] and elem[3] <= x[2]: 
      x[1] = min(elem[2], x[1]) # modify the date range 
      x[2] = min(elem[3], x[2]) 
      matched = True 
      break 

    if not matched: # if it does not overlap add it. 
     ranges[elem[0]].append([elem[1], elem[2], elem[3]]) 

# This is just for display purposes 
for key in ranges.iterkeys(): 
    for v in ranges[key]: 
     print key + '|' + v[0] + '|' + v[1] + '|' + v[2] + '|' 

あなたがが検討する必要があります何かがあなたが特定の順序で行を必要とするかどうかで、あなたが行う場合は、以外のものを使用する必要があります範囲を格納する辞書。