0

No sé si está bien formulada mi pregunta pero tengo el siguiente problema; tengo varios archivos en formato csv con la siguiente estructura:

Estructura inicial

Lo que necesito hacer es que cuando encuentre en la primera columna diferente de "NOTAXX" y diferente de vacio, lo concatene en la columna NOTAS(E) del renglon anterior, siempre y cuando el renglon anterior inicie con la columna igual a "NOTAXX" no sé si me explico? Lo que necesito es que quede de la siguente manera:

Estructura deseada

Estoy utilizando Python ya que tengo que procesar archivos con al rededor de 300,000 registros y pensar hacerlo en Excel es tardar mucho tiempo, pero estoy abierto a cualquier alternativa (php, java, bash, etc), actualmente tengo entendido que se puede hacer con 2 ciclos for pero estoy perdido y atorado, ya no encuentro qué hacer =(

1
  • has puesto muchos lenguajes, ¿intentaste algo con alguno? Por otra parte, sería bueno proporcionar los ejemplos en texto y ofrecer un ejemplo mínimo verificable claro para poder entender el problema a la perfección
    – fedorqui
    Commented el 6 ago. 2020 a las 5:34

1 respuesta 1

0

Este script en Python 3 podría servir:

import re
import sys

buffer = ""
for line in sys.stdin:
    line = line.rstrip("\n")
    if line != "":
        if re.search("^NOTA\d\d", line):
            if buffer != "":
                print(buffer)
            buffer = line
        else:
            buffer = line if buffer == "" else buffer + " " + line

if buffer != "":
    print(buffer)

Este script lee la entrada estándar línea por línea ignorando líneas vacías y escribe en la salida estándar.

Cuando se itera sobre sys.stdin las líneas leídas tienen un salto de línea (\n) al final que se puede eliminar con rstrip("\n"). buffer almacena las líneas leídas hasta que se encuentra una línea que comienza por NOTA\d\d (expresión regular, ^ indica el comienzo de la línea). Cuando una línea de estas se encuentra, se imprime el contenido de buffer y la línea leída se almacena en esta. Cuando se encuentra una línea no vacía que no comienza por NOTA\d\d, esta se concatena a buffer, agregando un espacio en caso de que buffer no esté vacía.

Si al terminar de leer la entrada estándar buffer no está vacía, se imprime.

Asumiendo que los datos están en un archivo llamado data.csv y el script en un archivo script.py, este script se podría ejecutar en bash usando cat data.csv | python3 script.py.

Si usar la entrada y salida estándar no es una opción se podría leer de y escribir a un archivo en su lugar. Para esto se podría usar la función open() y el parámetro file de la función print() así:

with open("output.csv", "w") as output:
    with open("data.csv", "r") as input:
        for line in input:
            
            # ...
            
            print(buffer, file = output)
    
    # ...
1
  • Gracias me funciona bien, lo ejecuto así cat data.csv | python3 script.py > salida.csv intenté hacerlo por medio de open() pero no me funciona, otra cosa, estaba viendo la salida y me cambia ciertos caracteres (como la letra 'ñ'), ya intenté con esta línea de código: sys.stdin.reconfigure(encoding='utf-8') pero sigue cambiándome los caracteres
    – K1X3
    Commented el 6 ago. 2020 a las 20:24

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.