сейчас 4 октября 2024 года. сколько дней прошло с 2024-04-05?
- User
сейчас 4 октября 2024 года. сколько дней прошло с 2024-04-05?
- Assistant
С 5 апреля 2024 года по 4 октября 2024 года прошло 182 дня.
- User
напиши скрипт чтобы в датафрейме состоящем из таких джейсон строк '{"customer_info": {"okved": "47.11", "client_id_list": [{"source_system_id": "EPK", "client_id": "client_id"}], "INN": "000000001847", "address_code_fact": 86, "address_code_legal": 86, "reg_date": "2024-04-29"}, "deal_Info": {"deal_id_list": [{"source_system_id": "KFUL", "deal_id": "deal_id"}], "process_name": 1, "evaluation_risk_type": 4, "ALL_BILL_GAR": "n", "appl_type": "New_deal", "COLL_MAT": "y", "product": "Invest", "target": "CommercialRealEstateForBsns", "target_sure": "OSOBREWI", "agr_sum": 6000000.0, "sum_deal": 0.0, "term_credit_month": 120}, "request_user": {"login": "login", "division": "division", "user_name": "user_name", "division_code": "16"}, "risk_estimation_info": {"area_reliability": "C", "credit_history_ext_bor": "A", "credit_history_ext_deal": "A", "credit_history_ext_kg": "A", "credit_history_int_bor": "D", "credit_history_int_deal": "D", "credit_history_int_kg": "D", "micro": "y", "no_easy_product": "y", "probesc": "n", "simply_restruct": "n", "stop_1": "n", "stop_10": "n", "stop_2": "n", "stop_21": "n", "stop_3": "n", "stop_6": "n", "stop_7": "n", "stop_9": "n", "credit_history_ext_own": "A", "credit_history_int_own": "B", "curr_debt": 0.0, "curr_debt_kg": 0.0, "score_BKI": -3.5191702284, "score_bki_borr": -3.4356418254, "score_bki_guar_mean": -4.3478043716, "neuro_score_bki": -1.4809315173, "GOSB_Code": "5940", "overdue_int_pers": 0, "overdue_int_business": 0, "overdue_ext_pers": 0, "overdue_ext_business": 0}}' перевести 0.0 в просто 0, это должно быть число
- Assistant
Для выполнения вашей задачи, мы сначала загрузим данные JSON в DataFrame, а затем преобразуем все значения
0.0в обычное0. Пример реализации на Python с использованием библиотеки Pandas выглядит следующим образом:import pandas as pd import json # Пример исходной строки JSON json_string = '{"customer_info": {"okved": "47.11", "client_id_list": [{"source_system_id": "EPK", "client_id": "client_id"}], "INN": "000000001847", "address_code_fact": 86, "address_code_legal": 86, "reg_date": "2024-04-29"}, "deal_Info": {"deal_id_list": [{"source_system_id": "KFUL", "deal_id": "deal_id"}], "process_name": 1, "evaluation_risk_type": 4, "ALL_BILL_GAR": "n", "appl_type": "New_deal", "COLL_MAT": "y", "product": "Invest", "target": "CommercialRealEstateForBsns", "target_sure": "OSOBREWI", "agr_sum": 6000000.0, "sum_deal": 0.0, "term_credit_month": 120}, "request_user": {"login": "login", "division": "division", "user_name": "user_name", "division_code": "16"}, "risk_estimation_info": {"area_reliability": "C", "credit_history_ext_bor": "A", "credit_history_ext_deal": "A", "credit_history_ext_kg": "A", "credit_history_int_bor": "D", "credit_history_int_deal": "D", "credit_history_int_kg": "D", "micro": "y", "no_easy_product": "y", "probesc": "n", "simply_restruct": "n", "stop_1": "n", "stop_10": "n", "stop_2": "n", "stop_21": "n", "stop_3": "n", "stop_6": "n", "stop_7": "n", "stop_9": "n", "credit_history_ext_own": "A", "credit_history_int_own": "B", "curr_debt": 0.0, "curr_debt_kg": 0.0, "score_BKI": -3.5191702284, "score_bki_borr": -3.4356418254, "score_bki_guar_mean": -4.3478043716, "neuro_score_bki": -1.4809315173, "GOSB_Code": "5940", "overdue_int_pers": 0, "overdue_int_business": 0, "overdue_ext_pers": 0, "overdue_ext_business": 0}}' # Конвертация строки JSON в словарь Python data = json.loads(json_string) # Функция для рекурсивного преобразования 0.0 в 0 def convert_floats_to_ints(d): if isinstance(d, dict): for k, v in d.items(): if isinstance(v, float) and v == 0.0: d[k] = 0 elif isinstance(v, (dict, list)): convert_floats_to_ints(v) elif isinstance(d, list): for index, item in enumerate(d): if isinstance(item, float) and item == 0.0: d[index] = 0 else: convert_floats_to_ints(item) # Применяем функцию на нашем словаре convert_floats_to_ints(data) # Преобразование обратно в DataFrame df = pd.json_normalize(data) print(df)Этот скрипт загружает JSON строки, преобразует значения
0.0в0через рекурсивный метод, и сохраняет данные в DataFrame. В результате значения, которые изначально были0.0, становятся0. - User
нет, мне надо к дф применить ее
- Assistant
Понял. Если у вас уже есть DataFrame, и вы хотите применить преобразование, вам нужно рекурсивно обойти все элементы DataFrame и заменить
0.0на0. Вот как это можно сделать:import pandas as pd import json # Пример данных в виде списка JSON строк json_data = [ '{"customer_info": {"okved": "47.11", "client_id_list": [{"source_system_id": "EPK", "client_id": "client_id"}], "INN": "000000001847", "address_code_fact": 86, "address_code_legal": 86, "reg_date": "2024-04-29"}, "deal_Info": {"deal_id_list": [{"source_system_id": "KFUL", "deal_id": "deal_id"}], "process_name": 1, "evaluation_risk_type": 4, "ALL_BILL_GAR": "n", "appl_type": "New_deal", "COLL_MAT": "y", "product": "Invest", "target": "CommercialRealEstateForBsns", "target_sure": "OSOBREWI", "agr_sum": 6000000.0, "sum_deal": 0.0, "term_credit_month": 120}, "request_user": {"login": "login", "division": "division", "user_name": "user_name", "division_code": "16"}, "risk_estimation_info": {"area_reliability": "C", "credit_history_ext_bor": "A", "credit_history_ext_deal": "A", "credit_history_ext_kg": "A", "credit_history_int_bor": "D", "credit_history_int_deal": "D", "credit_history_int_kg": "D", "micro": "y", "no_easy_product": "y", "probesc": "n", "simply_restruct": "n", "stop_1": "n", "stop_10": "n", "stop_2": "n", "stop_21": "n", "stop_3": "n", "stop_6": "n", "stop_7": "n", "stop_9": "n", "credit_history_ext_own": "A", "credit_history_int_own": "B", "curr_debt": 0.0, "curr_debt_kg": 0.0, "score_BKI": -3.5191702284, "score_bki_borr": -3.4356418254, "score_bki_guar_mean": -4.3478043716, "neuro_score_bki": -1.4809315173, "GOSB_Code": "5940", "overdue_int_pers": 0, "overdue_int_business": 0, "overdue_ext_pers": 0, "overdue_ext_business": 0}}' ] # Разбираем JSON строки и создаем DataFrame df = pd.DataFrame([json.loads(record) for record in json_data]) # Функция для рекурсивного преобразования 0.0 в 0 def convert_floats_to_ints(d): if isinstance(d, dict): return {k: convert_floats_to_ints(v) for k, v in d.items()} elif isinstance(d, list): return [convert_floats_to_ints(item) for item in d] elif isinstance(d, float) and d == 0.0: return 0 return d # Применяем функцию ко всем элементам DataFrame for column in df.columns: df[column] = df[column].apply(convert_floats_to_ints) print(df)Этот скрипт загружает JSON строки в DataFrame. После этого он рекурсивно проходит по всем элементам и заменяет значения
0.0на0. Эта логика будет применена к каждому элементу каждого столбца DataFrame. - User
не помогло
- Assistant
Извините за недоразумение. Давайте попробуем более прямой подход, чтобы убедиться, что все значения
0.0в ваших JSON строках заменяются на0в DataFrame.Если DataFrame состоит из строк JSON, мы можем заранее конвертировать их, а затем создать DataFrame. Вот как это может быть реализовано:
import pandas as pd import json # Пример данных в виде списка JSON строк json_strings = [ '{"customer_info": {"okved": "47.11", "client_id_list": [{"source_system_id": "EPK", "client_id": "client_id"}], "INN": "000000001847", "address_code_fact": 86, "address_code_legal": 86, "reg_date": "2024-04-29"}, "deal_Info": {"deal_id_list": [{"source_system_id": "KFUL", "deal_id": "deal_id"}], "process_name": 1, "evaluation_risk_type": 4, "ALL_BILL_GAR": "n", "appl_type": "New_deal", "COLL_MAT": "y", "product": "Invest", "target": "CommercialRealEstateForBsns", "target_sure": "OSOBREWI", "agr_sum": 6000000.0, "sum_deal": 0.0, "term_credit_month": 120}, "request_user": {"login": "login", "division": "division", "user_name": "user_name", "division_code": "16"}, "risk_estimation_info": {"area_reliability": "C", "credit_history_ext_bor": "A", "credit_history_ext_deal": "A", "credit_history_ext_kg": "A", "credit_history_int_bor": "D", "credit_history_int_deal": "D", "credit_history_int_kg": "D", "micro": "y", "no_easy_product": "y", "probesc": "n", "simply_restruct": "n", "stop_1": "n", "stop_10": "n", "stop_2": "n", "stop_21": "n", "stop_3": "n", "stop_6": "n", "stop_7": "n", "stop_9": "n", "credit_history_ext_own": "A", "credit_history_int_own": "B", "curr_debt": 0.0, "curr_debt_kg": 0.0, "score_BKI": -3.5191702284, "score_bki_borr": -3.4356418254, "score_bki_guar_mean": -4.3478043716, "neuro_score_bki": -1.4809315173, "GOSB_Code": "5940", "overdue_int_pers": 0, "overdue_int_business": 0, "overdue_ext_pers": 0, "overdue_ext_business": 0}}' ] # Функция для рекурсивного преобразования 0.0 в 0 def convert_floats_to_ints(data): if isinstance(data, dict): return {k: convert_floats_to_ints(v) for k, v in data.items()} elif isinstance(data, list): return [convert_floats_to_ints(item) for item in data] elif isinstance(data, float) and data == 0.0: return 0 return data # Преобразуем каждую строку JSON и создаем DataFrame # Обновляем JSON строки, заменяя 0.0 на 0 converted_data = [convert_floats_to_ints(json.loads(json_str)) for json_str in json_strings] df = pd.json_normalize(converted_data) print(df)Здесь мы обеспечиваем, что на каждый элемент JSON строки применяется преобразование, заменяющее
0.0на0, перед тем как данные будут раскручены в DataFrame. Проверьте, чтобы правильно обрабатывать преобразование вложенных структур данных в ваших данных. - User
нет, давай по-другому. мне надо сделать 0.0 просто 0. попробуй как-то по-другому преобразовать
- Assistant
Давайте попробуем другой подход. Предположим, что у вас уже есть DataFrame, содержащий данные, преобразованные из JSON, и вы хотите заменить все значения
0.0на0во всем DataFrame.Чтобы сделать это, мы можем воспользоваться функциями Pandas, чтобы пройти по каждой ячейке DataFrame и провести замену. Вот как это можно сделать:
import pandas as pd import json # Пример данных в виде списка JSON строк json_strings = [ '{"customer_info": {"okved": "47.11", "client_id_list": [{"source_system_id": "EPK", "client_id": "client_id"}], "INN": "000000001847", "address_code_fact": 86, "address_code_legal": 86, "reg_date": "2024-04-29"}, "deal_Info": {"deal_id_list": [{"source_system_id": "KFUL", "deal_id": "deal_id"}], "process_name": 1, "evaluation_risk_type": 4, "ALL_BILL_GAR": "n", "appl_type": "New_deal", "COLL_MAT": "y", "product": "Invest", "target": "CommercialRealEstateForBsns", "target_sure": "OSOBREWI", "agr_sum": 6000000.0, "sum_deal": 0.0, "term_credit_month": 120}, "request_user": {"login": "login", "division": "division", "user_name": "user_name", "division_code": "16"}, "risk_estimation_info": {"area_reliability": "C", "credit_history_ext_bor": "A", "credit_history_ext_deal": "A", "credit_history_ext_kg": "A", "credit_history_int_bor": "D", "credit_history_int_deal": "D", "credit_history_int_kg": "D", "micro": "y", "no_easy_product": "y", "probesc": "n", "simply_restruct": "n", "stop_1": "n", "stop_10": "n", "stop_2": "n", "stop_21": "n", "stop_3": "n", "stop_6": "n", "stop_7": "n", "stop_9": "n", "credit_history_ext_own": "A", "credit_history_int_own": "B", "curr_debt": 0.0, "curr_debt_kg": 0.0, "score_BKI": -3.5191702284, "score_bki_borr": -3.4356418254, "score_bki_guar_mean": -4.3478043716, "neuro_score_bki": -1.4809315173, "GOSB_Code": "5940", "overdue_int_pers": 0, "overdue_int_business": 0, "overdue_ext_pers": 0, "overdue_ext_business": 0}}' ] # Преобразуем каждую строку JSON в словарь data = [json.loads(record) for record in json_strings] # Конвертируем данные в DataFrame df = pd.json_normalize(data) # Функция для преобразования 0.0 в 0 def convert_zeros(value): if isinstance(value, float) and value == 0.0: return 0 return value # Применяем преобразование ко всему DataFrame df = df.applymap(convert_zeros) print(df)Этот метод использует
applymap, чтобы применить функциюconvert_zerosко всем элементам DataFrame. Функция проверяет, является ли элементfloatс значением0.0, и заменяет его на0. - User
нет, структура дф такая столбец состоит из строк типа '{"customer_info": {"okved": "47.11", "client_id_list": [{"source_system_id": "EPK", "client_id": "client_id"}], "INN": "000000001847", "address_code_fact": 86, "address_code_legal": 86, "reg_date": "2024-04-29"}, "deal_Info": {"deal_id_list": [{"source_system_id": "KFUL", "deal_id": "deal_id"}], "process_name": 1, "evaluation_risk_type": 4, "ALL_BILL_GAR": "n", "appl_type": "New_deal", "COLL_MAT": "y", "product": "Invest", "target": "CommercialRealEstateForBsns", "target_sure": "OSOBREWI", "agr_sum": 6000000.0, "sum_deal": 0.0, "term_credit_month": 120}, "request_user": {"login": "login", "division": "division", "user_name": "user_name", "division_code": "16"}, "risk_estimation_info": {"area_reliability": "C", "credit_history_ext_bor": "A", "credit_history_ext_deal": "A", "credit_history_ext_kg": "A", "credit_history_int_bor": "D", "credit_history_int_deal": "D", "credit_history_int_kg": "D", "micro": "y", "no_easy_product": "y", "probesc": "n", "simply_restruct": "n", "stop_1": "n", "stop_10": "n", "stop_2": "n", "stop_21": "n", "stop_3": "n", "stop_6": "n", "stop_7": "n", "stop_9": "n", "credit_history_ext_own": "A", "credit_history_int_own": "B", "curr_debt": 0.0, "curr_debt_kg": 0.0, "score_BKI": -3.5191702284, "score_bki_borr": -3.4356418254, "score_bki_guar_mean": -4.3478043716, "neuro_score_bki": -1.4809315173, "GOSB_Code": "5940", "overdue_int_pers": 0, "overdue_int_business": 0, "overdue_ext_pers": 0, "overdue_ext_business": 0}}'
- Assistant
Понял. Если ваш DataFrame содержит столбец, в котором хранятся строки в формате JSON, и вы хотите заменить все значения
0.0внутри этих строк на0, нужно сначала десериализовать JSON строки, произвести преобразование и затем записать их обратно в DataFrame. Вот как это можно реализовать:import pandas as pd import json # Пример DataFrame с одной колонкой, содержащей строки JSON data = { "json_column": [ '{"customer_info": {"okved": "47.11", "client_id_list": [{"source_system_id": "EPK", "client_id": "client_id"}], "INN": "000000001847", "address_code_fact": 86, "address_code_legal": 86, "reg_date": "2024-04-29"}, "deal_Info": {"deal_id_list": [{"source_system_id": "KFUL", "deal_id": "deal_id"}], "process_name": 1, "evaluation_risk_type": 4, "ALL_BILL_GAR": "n", "appl_type": "New_deal", "COLL_MAT": "y", "product": "Invest", "target": "CommercialRealEstateForBsns", "target_sure": "OSOBREWI", "agr_sum": 6000000.0, "sum_deal": 0.0, "term_credit_month": 120}, "request_user": {"login": "login", "division": "division", "user_name": "user_name", "division_code": "16"}, "risk_estimation_info": {"area_reliability": "C", "credit_history_ext_bor": "A", "credit_history_ext_deal": "A", "credit_history_ext_kg": "A", "credit_history_int_bor": "D", "credit_history_int_deal": "D", "credit_history_int_kg": "D", "micro": "y", "no_easy_product": "y", "probesc": "n", "simply_restruct": "n", "stop_1": "n", "stop_10": "n", "stop_2": "n", "stop_21": "n", "stop_3": "n", "stop_6": "n", "stop_7": "n", "stop_9": "n", "credit_history_ext_own": "A", "credit_history_int_own": "B", "curr_debt": 0.0, "curr_debt_kg": 0.0, "score_BKI": -3.5191702284, "score_bki_borr": -3.4356418254, "score_bki_guar_mean": -4.3478043716, "neuro_score_bki": -1.4809315173, "GOSB_Code": "5940", "overdue_int_pers": 0, "overdue_int_business": 0, "overdue_ext_pers": 0, "overdue_ext_business": 0}}' ] } df = pd.DataFrame(data) # Функция для рекурсивного преобразования 0.0 в 0 def convert_floats_to_ints(d): if isinstance(d, dict): return {k: convert_floats_to_ints(v) for k, v in d.items()} elif isinstance(d, list): return [convert_floats_to_ints(item) for item in d] elif isinstance(d, float) and d == 0.0: return 0 return d # Функция для обработки строки JSON в DataFrame def process_json_string(json_str): data = json.loads(json_str) converted_data = convert_floats_to_ints(data) return json.dumps(converted_data) # Применяем преобразование ко всей колонке df['json_column'] = df['json_column'].apply(process_json_string) print(df)Этот код сначала считывает каждую строку JSON, преобразует значения
0.0в0, и затем сериализует обратно в строку JSON. Это записывается обратно в DataFrame.