6 kyu Data Analysis Following Migration

怼烎@ 2024-04-06 12:20 52阅读 0赞

感知器算法如何工作

故事 贵公司将过去20年的重要数据分阶段迁移到一个新的平台。然而，有些事情出了差错：一些重要的时间戳被弄乱了！看起来，一些服务器被设置为使用日/月/年格式。看起来，一些服务器被设置为使用dd/mm/yyyy日期格式，而其他服务器在迁移过程中使用mm/dd/yyyy格式。不幸的是，原始数据库在这个过程中被破坏了，而且没有备份可用...... 现在就看你如何评估损失了。

任务 你将收到以ISO `yyyy-mm-dd`格式给出的\[start\_date, end\_date\]形式的记录列表，你的任务是计算这些记录有多少条。

正确的：日期不能有任何问题，月/日不能混淆，或者它不能以任何其他方式成为一个有效的时间戳；例如

["2015-04-04", "2015-05-13"]

可恢复：目前的形式是无效的，但原始的时间戳可以恢复，因为只有一种有效的组合可能；例如

["2011-10-08"，"2011-08-14"]

不确定：一个或两个日期是模糊的，它们可能会产生多个有效的时间戳，所以不能检索到原始的时间戳；例如：

["2002-02-07"，"2002-12-10"]

注意：原始记录总是定义一个非负的持续时间

在一个数组中返回你的发现。

[correct_count, recoverable_count, uncertain_count ]

例子

["2015-04-04", "2015-05-13"] --> 正确 
    # 这里没有（可能有）错误
    
    ["2013-06-18", "2013-08-05"] --> 正确 
    # 结束日期是不明确的，但这是唯一可能的有效版本
    
    ["2001-02-07", "2001-03-01"] --> 正确 
    # 两个日期都是模糊的，但这是唯一可能的有效版本
    
    ["2011-10-08", "2011-08-14"] --> 可恢复 
    # 开始日期是错误的，但可以被纠正因为只有一个可能的有效版本
    
    ["2009-08-21", "2009-04-12"] --> 可恢复 
    # 结束日期是错误的，但可以修正因为只有一个可能的有效版本
    
    ["1996-01-24", "1996-03-09"] --> 不确定 
    # 结束日期是模糊的（也可能是1996-09-03）
    
    ["2000-10-09", "2000-11-20"] --> 不确定 
    # 开始日期不明确（也可能是2000-09-10）
    
    ["2002-02-07", "2002-12-10"] --> 不确定 
    # 两个日期都是模糊的，并且有 多个可能的有效版本

数据科学经常遇到数据格式问题！

def candidates(ymd):
        y, m, d = ymd.split('-')
        return {ymd, f'{y}-{d}-{m}'}
    
    def check_dates(records):
        result = [0, 0, 0]
        for start, end in records:
            xs = [(dt1, dt2) for dt1 in candidates(start) for dt2 in candidates(end)
                  if dt1 <= dt2 and dt1[5:7] <= '12' >= dt2[5:7]]
            i = 2 if len(xs) > 1 else xs[0] != (start, end)
            result[i] += 1  # 2: uncertain, 1(True): recoverable, 0(False): correct
        return result

super！

本文由[ mdnice ][mdnice]多平台发布

[mdnice]: https://mdnice.com/?platform=4