-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathSearchFirstGoodVanilla.py
236 lines (187 loc) · 6.23 KB
/
SearchFirstGoodVanilla.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
# -*- coding: utf-8 -*-
"""
Created on Tue Apr 17 20:08:07 2018
@author: christian marechal
Recherche de la premiere ligne de csv interessante
correspondante a la regularite d un tableau exploitable
"""
import os
import csv
path = 'D:/ecomdataforgoodfr/PushMyGIT'
os.chdir(path)
def readData(fileName):
f = open(fileName, "r", encoding="utf-8")
data = f.readlines()
f.close()
return data
def readData2(fileName):
f = open(fileName, "r")
data = f.readlines()
f.close()
return data
#recherche de la premiere regularite dans un ficchier cvs
#csvlignes = premieres lignes d un fichier csv
#limitemax = profondeur maximale de l exploration
#traceon
def moyenf(tableau):
return sum(tableau, 0.0) / len(tableau)
def variance(tableau):
m=moyenf(tableau)
return moyenf([(x-m)**2 for x in tableau])
#Version Vanilla
import collections
"""Premiere methode par comptage des separateurs
retourne :
- le numero de la premiere ligne pour cette methode
- le separateur detecte
"""
def _searFirstCSVlineGoodVanilla (csvlignes, limitemax, traceon):
premiereLigne=0
n = 0
separators = [',',';','\t']
df = []
frequence= []
# 1) boucle de lecture des premieres lignes
for ligne in csvlignes:
tab = []
for x in separators:
co = ligne.count(x)
tab.append(co)
frequence.append (tab.index(max(tab)))
df.append (tab)
n = n + 1
if (n >= limitemax):
break
# 2) Analyse du resultat
# a-detection du separateur
mx = max(collections.Counter(frequence))
nombre = len (frequence)
#la colonne qui nous interesse
df2 = [row[mx] for row in df]
df2cout = collections.Counter(df2)
df2cout2 = df2cout.most_common()
mymax=0
mymaxid=0
for row in df2cout2 :
if row[1] >= mymax:
mymax=row[1]
mymaxid=row[0]
#recherche de la premiere ligne
i=0
premiereLigne=0
bfound1=False
for row in df2:
if (bfound1==True): #a minima deux lignes successives
if (row==mymaxid) :
break
else:
bfound1=False
if (bfound1==False) and (row==mymaxid) :
premiereLigne=i
bfound1=True
i= i+1
if (False and traceon):
print (df)
spar=[",", ";","tabulation"]
print("Separateur=["+spar[mx]+"], premiere ligne="+str(premiereLigne))
return ([premiereLigne, mx, nombre])
#Seconde methode, commence par appeler la premiere
def searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon):
#Calcul methode 1
result=_searFirstCSVlineGoodVanilla (csvlignes, limitemax, traceon)
Metod1= result[0] # numero de la peremiere lgne
mx = result[1] # separateur detecte
nombre= result[2] # nombre
n = 0
separators = [',',';','\t']
total=0
n=0
df2 = []
for ligne in csvlignes:
tab = []
co = ligne.split (separators [mx])
co = [x for x in co if x] #remove empty string
a2 = len (co)
total = total + a2
df2.append (a2)
n = n + 1
if (n >= limitemax):
break
moyenne = round (total / nombre) -1
premiereLigne=0
i=0
bfound1=False
varianceDF2= variance(df2)
#print("cas0="+str(cas0))
#print("moyenne="+str(moyenne))
#print ("variance(df2)="+str(variance(df2)))
for x in df2:
if (bfound1==True): #a minima deux lignes successives
if (x >= moyenne):
break
if (bfound1==False) and (x >= moyenne):
premiereLigne=i
bfound1=True
i= i+1
#Decision entre les 2 methodes
first = Metod1
MM ="m1"
if (varianceDF2 < moyenne): #methode 2
first = premiereLigne
if (traceon):
MM ="m2"
else:
if Metod1 == 0:
first = premiereLigne
if (traceon):
MM ="m2"
if (traceon):
print ("->"+MM)
spar=[",", ";","tabulation"]
#print("Separateur=["+spar[mx]+"], premiere ligne="+str(first))
return (first)
def Testing ():
limitemax=100
traceon=True
csvfile='test.csv' #OK
csvlignes = readData(csvfile)
numero = searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon)
print("Premiere ligne->"+str(numero))
print("BON = 4, methode 1, V>" )
csvfile='test2.csv' #OK
csvlignes = readData2(csvfile)
numero = searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon)
print("Premiere ligne->"+str(numero))
print("BON = 5, methode 2, V>" )
csvfile='OPENDATA41_Decheteries_TonnagesCollectes_Loir-et-Cher.csv'
csvlignes = readData2(csvfile)
numero = searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon)
print("Premiere ligne->"+str(numero))
print("BON = 4, method 2, V <")
csvfile='test3.csv' #OK
csvlignes = readData2(csvfile)
numero = searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon)
print("Premiere ligne->"+str(numero))
print("BON = 7, method 2, V <")
csvfile='test4.csv' #OK
csvlignes = readData2(csvfile)
numero = searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon)
print("Premiere ligne->"+str(numero))
print("BON = 0, method 1, V =0")
#AVOIR AVOIR AVOIR AVOIR
csvfile='epn_balnode2017022109224716amconmajag7346_2017-12-12.csv'
csvlignes = readData2(csvfile)
numero = searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon)
print("Premiere ligne->"+str(numero))
print("BON = 0, method 2, V =0.01 < M")
#PAS TRES BON
csvfile='D_Tableau 8.csv'
csvlignes = readData2(csvfile)
numero = searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon)
print("Premiere ligne->"+str(numero))
print("BON = 0, method 2, V < M")
csvfile='D_Annexe CER 2013.csv'
csvlignes = readData2(csvfile)
numero = searFirstCSVlineGoodVanilla2 (csvlignes, limitemax, traceon)
print("Premiere ligne->"+str(numero))
print("BON = 0, method 2, V < M")