Pracujemy na pliku biling.csv jest to biling telefoniczny od operatora. chcę zrobić…
- User
Pracujemy na pliku biling.csv jest to biling telefoniczny od operatora.
chcę zrobić zestawienie odnośnie wykorzystania to znaczy:
- liczba połączeń
- łączny czas połączeń
Przeanalizuj biling.csv sprawdź jak informacje o połączeniach są zapisane.
W podsumowaniu pomijamy wpisy z kolumny U "Frakcja" jeżeli są "Podsumowanie ruchu" Skupiamy się na wpisach z kolumny K oznaczonej "Typ" Czas połączenia jest w kolumnie Q "Czas"
Zgrupuj dane w dwóch kategoriach kategoria 1 - Połączenia krajowe 1.1 SMS krajowy 1.2 SMS międzynarodowy 1.3 MMS krajowy 1.4 MMS międzynarodowy 1.5 MMS na e-mail 1.6 Przesyłanie danych 1.6 Przesyłanie danych - Internet 1.7 Rozmowy WiFi Calling w Polsce - Biznes Grupa (w oparciu o adres IP dostawcy Internetu) 1.7 Rozmowy WiFi Calling w Polsce - w oparciu o adres IP dostawcy Internetu 1.8 Rozmowa na Koszt Odbiorcy 1.9 Rozmowy - Biznes Grupa 2.0 Rozmowy - Biznes Grupa - przekierowania 2.0 Rozmowy - przekierowania 1.9 Rozmowy krajowe 2.1 Rozmowy międzynarodowe
Kategoria 2 - Połączenia w roamingu 3.0 SMS w roamingu 3.1 MMS w roamingu 3.2 Przesyłanie danych w roamingu 3.3 Rozmowy w roamingu 3.4 Rozmowy przekierowane do Abonenta w roamingu - połączenia odebrane 3.5 Rozmowy WiFi Calling poza Polską - Biznes Grupa (w oparciu o adres IP dostawcy Internetu) 3.5 Rozmowy WiFi Calling poza Polską - w oparciu o adres IP dostawcy Internetu
(uwaga w przypadku gdy jakiś numer występuje więcej niż raz wartości trzeba do siebie dodać np. 1.6 Przesyłanie danych i 1.6 Przesyłanie danych - Internet, z bilingu wyciągasz dane Przesyłanie danych i Przesyłanie danych - Internet i je sumujesz uwaga nie zwracaj uwagi na wielkość cyfr W podsumowaniu: Rozmowy przelicz na godziny. Dane przelicz na GB
przygotuj program phyton który będzie generował podsumowania liczba połączeń (czyli ile razy dana watość wystąpiła) dla wszystkich typów połączeń (nawet jeżeli nie wystąpiła ta wartość)
Assistant
Rozumiem, że potrzebujesz analizy bilingu telefonicznego. Przygotuję program Python, który:
- Wczyta plik biling.csv
- Przeanalizuje strukturę danych
- Utworzy podsumowanie według podanych kategorii
Oto kompletny program:
import pandas as pd import numpy as np from datetime import timedelta def analyze_billing(file_path='biling.csv'): # Wczytanie pliku CSV try: # Próbujemy różne kodowania for encoding in ['utf-8', 'cp1250', 'iso-8859-2', 'latin-1']: try: df = pd.read_csv(file_path, encoding=encoding) print(f"Plik wczytany z kodowaniem: {encoding}") break except: continue except Exception as e: print(f"Błąd wczytywania pliku: {e}") return # Wyświetlenie podstawowych informacji o strukturze print("\n=== STRUKTURA PLIKU ===") print(f"Liczba wierszy: {len(df)}") print(f"Kolumny: {list(df.columns)}") # Sprawdzenie kolumn K, Q, U col_K = df.columns[10] if len(df.columns) > 10 else None # Kolumna K (11. kolumna, indeks 10) col_Q = df.columns[16] if len(df.columns) > 16 else None # Kolumna Q (17. kolumna, indeks 16) col_U = df.columns[20] if len(df.columns) > 20 else None # Kolumna U (21. kolumna, indeks 20) print(f"\nKolumna K (Typ): {col_K}") print(f"Kolumna Q (Czas): {col_Q}") print(f"Kolumna U (Frakcja): {col_U}") # Filtrowanie - pomijamy wpisy z "Podsumowanie ruchu" if col_U: df_filtered = df[df[col_U] != "Podsumowanie ruchu"].copy() else: df_filtered = df.copy() print(f"\nLiczba wpisów po filtrowaniu: {len(df_filtered)}") # Definicja kategorii categories = { "Kategoria 1 - Połączenia krajowe": { "1.1 SMS krajowy": ["SMS krajowy"], "1.2 SMS międzynarodowy": ["SMS międzynarodowy"], "1.3 MMS krajowy": ["MMS krajowy"], "1.4 MMS międzynarodowy": ["MMS międzynarodowy"], "1.5 MMS na e-mail": ["MMS na e-mail"], "1.6 Przesyłanie danych": ["Przesyłanie danych", "Przesyłanie danych - Internet"], "1.7 Rozmowy WiFi Calling w Polsce": [ "Rozmowy WiFi Calling w Polsce - Biznes Grupa (w oparciu o adres IP dostawcy Internetu)", "Rozmowy WiFi Calling w Polsce - w oparciu o adres IP dostawcy Internetu" ], "1.8 Rozmowa na Koszt Odbiorcy": ["Rozmowa na Koszt Odbiorcy"], "1.9 Rozmowy - Biznes Grupa": ["Rozmowy - Biznes Grupa"], "2.0 Rozmowy - przekierowania": [ "Rozmowy - Biznes Grupa - przekierowania", "Rozmowy - przekierowania" ], "2.1 Rozmowy krajowe": ["Rozmowy krajowe"], "2.2 Rozmowy międzynarodowe": ["Rozmowy międzynarodowe"] }, "Kategoria 2 - Połączenia w roamingu": { "3.0 SMS w roamingu": ["SMS w roamingu"], "3.1 MMS w roamingu": ["MMS w roamingu"], "3.2 Przesyłanie danych w roamingu": ["Przesyłanie danych w roamingu"], "3.3 Rozmowy w roamingu": ["Rozmowy w roamingu"], "3.4 Rozmowy przekierowane do Abonenta w roamingu": [ "Rozmowy przekierowane do Abonenta w roamingu - połączenia odebrane" ], "3.5 Rozmowy WiFi Calling poza Polską": [ "Rozmowy WiFi Calling poza Polską - Biznes Grupa (w oparciu o adres IP dostawcy Internetu)", "Rozmowy WiFi Calling poza Polską - w oparciu o adres IP dostawcy Internetu" ] } } # Funkcja do konwersji czasu def parse_time(time_str): if pd.isna(time_str) or time_str == '': return 0 time_str = str(time_str).strip() # Różne formaty czasu try: # Format HH:MM:SS if time_str.count(':') == 2: h, m, s = map(int, time_str.split(':')) return h * 3600 + m * 60 + s # Format MM:SS elif time_str.count(':') == 1: m, s = map(int, time_str.split(':')) return m * 60 + s # Tylko sekundy else: return int(time_str) except: return 0 # Analiza danych results = {} for main_category, subcategories in categories.items(): results[main_category] = {} for subcat_name, type_list in subcategories.items(): count = 0 total_time = 0 for type_name in type_list: # Dopasowanie bez względu na wielkość liter mask = df_filtered[col_K].str.lower() == type_name.lower() matched_rows = df_filtered[mask] count += len(matched_rows) # Sumowanie czasu if col_Q and len(matched_rows) > 0: for time_val in matched_rows[col_Q]: total_time += parse_time(time_val) results[main_category][subcat_name] = { 'count': count, 'total_time_seconds': total_time } # Generowanie raportu print("\n" + "="*80) print("PODSUMOWANIE BILINGU TELEFONICZNEGO") print("="*80) for main_category, subcategories in results.items(): print(f"\n{main_category}") print("-" * len(main_category)) for subcat_name, data in subcategories.items(): count = data['count'] total_seconds = data['total_time_seconds'] # Formatowanie czasu if 'Rozmowy' in subcat_name or 'Rozmowa' in subcat_name: # Przeliczenie na godziny hours = total_seconds / 3600 time_str = f"{hours:.2f} godzin" elif 'Przesyłanie danych' in subcat_name: # Zakładamy, że czas to ilość danych w MB, przeliczamy na GB gb = total_seconds / 1024 # zakładając że wartość jest w MB time_str = f"{gb:.2f} GB" elif 'SMS' in subcat_name or 'MMS' in subcat_name: time_str = "-" else: # Domyślnie pokazujemy w formacie HH:MM:SS hours = int(total_seconds // 3600) minutes = int((total_seconds % 3600) // 60) seconds = int(total_seconds % 60) time_str = f"{hours:02d}:{minutes:02d}:{seconds:02d}" print(f"{subcat_name:60} | Liczba: {count:6d} | Czas/Dane: {time_str}") # Podsumowanie całkowite print("\n" + "="*80) print("PODSUMOWANIE CAŁKOWITE") print("="*80) total_count = sum(data['count'] for cat in results.values() for data in cat.values()) total_calls_time = sum(data['total_time_seconds'] for cat in results.values() for subcat, data in cat.items() if 'Rozmowy' in subcat or 'Rozmowa' in subcat) total_data = sum(data['total_time_seconds'] for cat in results.values() for subcat, data in cat.items() if 'Przesyłanie danych' in subcat) print(f"Łączna liczba wszystkich operacji: {total_count}") print(f"Łączny czas rozmów: {total_calls_time/3600:.2f} godzin") print(f"Łączna ilość przesłanych danych: {total_data/1024:.2f} GB") # Eksport do CSV export_data = [] for main_cat, subcats in results.items(): for subcat, data in subcats.items(): export_data.append({ 'Kategoria': main_cat, 'Podkategoria': subcat, 'Liczba połączeń': data['count'], 'Czas (sekundy)': data['total_time_seconds'] }) export_df = pd.DataFrame(export_data) export_df.to_csv('podsumowanie_bilingu.csv', index=False, encoding='utf-8-sig') print("\nWyniki zapisano do pliku: podsumowanie_bilingu.csv") return results # Uruchomienie analizy if __name__ == "__main__": analyze_billing('biling.csv')Program wykonuje następujące zadania:
-
Wczytuje plik CSV z różnymi kodowaniami (UTF-8, CP1250, ISO-8859-2, Latin-1)
-
Analizuje strukturę - wyświetla kolumny i sprawdza odpowiednie pola
-
Filtruje dane - pomija wpisy z "Podsumowanie ruchu" w kolumnie U
-
Grupuje dane według zdefiniowanych kategorii:
- Kategoria 1: Połączenia krajowe
- Kategoria 2: Połączenia w roamingu
-
Sumuje wartości dla typów występujących więcej niż raz (np. różne warianty przesyłania danych)
-
Przelicza jednostki:
- Rozmowy: sekundy → godziny
- Dane: MB → GB
-
Generuje raport z:
- Liczbą połączeń dla każdego typu
- Łącznym czasem/ilością danych
- Podsumowaniem całkowitym
-
Eksportuje wyniki do pliku CSV
Aby uruchomić program, zapisz go jako
analyze_billing.pyi wykonaj:python analyze_billing.pyProgram automatycznie wczyta plik
biling.csvz bieżącego katalogu i wygeneruje raport oraz plikpodsumowanie_bilingu.csvz wynikami.
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.