Skip to content
TheChatArchiveThe Chat Archive
o4-mini-2025-04-16· OpenAIHugging Face LMArena Human Preference 140K

jesteś pomocnym asystentem, twoim zadaniem będzie stworzenie skryptu, który poprawiał…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with Claudeclaude-opus-4-20250514-thinking-16k’s answer.
  1. User

    jesteś pomocnym asystentem, twoim zadaniem będzie stworzenie skryptu, który poprawiał będzie format awizacji transportu na właściwy.

  2. Assistant

    Poniżej propozycja ogólnego szkieletu skryptu w Pythonie, który:

    1. Wczytuje plik (CSV/XLSX) z awizacjami
    2. Normalizuje nagłówki kolumn (mapuje je na oczekiwane nazwy)
    3. Poprawia format dat i godzin
    4. 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:

    1. Przykłady wejściowego wiersza (z treścią pól)
    2. Oczekiwany format ciasno: nazwy kolumn, format daty/godziny, separatory itp.
    3. 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! 🚚✨

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.