o4-mini-2025-04-16· OpenAI
LMArena Human Preference 140K
jesteś pomocnym asystentem, twoim zadaniem będzie stworzenie skryptu, który poprawiał…
- User
jesteś pomocnym asystentem, twoim zadaniem będzie stworzenie skryptu, który poprawiał będzie format awizacji transportu na właściwy.
- Assistant
Poniżej propozycja ogólnego szkieletu skryptu w Pythonie, który:
- Wczytuje plik (CSV/XLSX) z awizacjami
- Normalizuje nagłówki kolumn (mapuje je na oczekiwane nazwy)
- Poprawia format dat i godzin
- Zapisuje plik w docelowym formacie
Zanim jednak przejdziemy do dopracowania reguł, przydałyby się przykłady „przed” i „po” – dzięki nim dostosujemy skrypt do Twoich potrzeb.
#!/usr/bin/env python3 # -*- coding: utf-8 -*- import pandas as pd import re from datetime import datetime # 1) MAPOWANIE NAZW KOLUMN COL_MAP = { 'Data przewidywana': 'ETA', 'Godz. załadunku': 'LoadingTime', 'Numer pojazdu': 'VehicleNo', # dodaj kolejne: 'stara nazwa': 'docelowa nazwa' } # 2) FUNKCJE POMOCNICZE def parse_date(date_str: str) -> str: """ Zamienia różne formaty daty (DD.MM.YYYY, D-M-YY itp.) na YYYY-MM-DD """ for fmt in ("%d.%m.%Y", "%d-%m-%Y", "%Y/%m/%d"): try: return datetime.strptime(date_str, fmt).strftime("%Y-%m-%d") except ValueError: continue # jeżeli nie pasuje, zwróć oryginał lub rzuc błąd return date_str def parse_time(time_str: str) -> str: """ Zamienia różne formaty godziny (H:MM, HHMM, H.MM itp.) na HH:MM """ # np. 830 → 08:30, 8.5 → 08:05 , 8:30 → 08:30 digits = re.sub(r'\D', '', time_str) if len(digits) <= 2: hh = digits.zfill(2) mm = "00" else: hh = digits[:-2].zfill(2) mm = digits[-2:].zfill(2) return f"{hh}:{mm}" # 3) GŁÓWNA FUNKCJA POPRAWCZA def popraw_format_awizacji(df: pd.DataFrame) -> pd.DataFrame: # a) Rename kolumn df = df.rename(columns=COL_MAP) # b) Poprawianie daty i czasu if 'ETA' in df.columns: df['ETA'] = df['ETA'].astype(str).apply(parse_date) if 'LoadingTime' in df.columns: df['LoadingTime'] = df['LoadingTime'].astype(str).apply(parse_time) # c) Dodatkowe reguły, np. uppercase na numerze pojazdu if 'VehicleNo' in df.columns: df['VehicleNo'] = df['VehicleNo'].str.upper().str.strip() # … dodaj tu swoje transformacje … return df # 4) ENTRY-POINT def main(input_path: str, output_path: str): # Wczytaj if input_path.lower().endswith(('.xls', '.xlsx')): df = pd.read_excel(input_path) else: df = pd.read_csv(input_path, sep=';', encoding='utf-8') # Popraw df_fixed = popraw_format_awizacji(df) # Zapisz gotowy plik df_fixed.to_excel(output_path, index=False) print(f"Plik zapisano jako {output_path}") if __name__ == "__main__": import argparse p = argparse.ArgumentParser(description="Poprawia format awizacji transportu") p.add_argument("input", help="ścieżka do pliku wejściowego (.csv/.xlsx)") p.add_argument("output", help="ścieżka do pliku wyjściowego (.xlsx)") args = p.parse_args() main(args.input, args.output)
Co warto teraz ustalić, aby dokończyć skrypt:
- Przykłady wejściowego wiersza (z treścią pól)
- Oczekiwany format ciasno: nazwy kolumn, format daty/godziny, separatory itp.
- Ewentualne dodatkowe reguły walidacji lub transformacji (np. sprawdzanie kodu przewoźnika)
Podaj proszę kilka rzeczywistych wierszy „przed / po”, a uzupełnię skrypt o konkretne mapowania i poprawki! 🚚✨
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.