Python项目：将CSV中DateTo列的NULL替换为当日日期

针对你的需求，其实完全不需要修改原CSV文件——只读模式打开完全没问题，我们只需要在读取数据的环节对DateTo字段做内存中的替换即可，不用写回原文件。下面分别给出原生Python和Pandas的完整解决方案：

一、原生Python代码修改版 #

你的原有逻辑已经很清晰，只需要在读取每行数据时，添加对ToDate是否为'NULL'的判断，用当前日期替换即可。这里用datetime.today().strftime('%Y-%m-%d')来生成符合格式的当日日期字符串：

from collections import defaultdict
from itertools import combinations
from datetime import datetime
import csv

d = defaultdict(list)
# 获取当日日期，格式化为CSV中的日期格式
today = datetime.today().strftime('%Y-%m-%d')

with open("data.csv") as f:
    next(f) # 跳过表头
    r = csv.reader(f)
    for EmpID, ProjectID, FromDate, ToDate in r:
        # 处理ToDate为NULL的情况，兼容大小写和前后空格
        if ToDate.strip().upper() == 'NULL':
            ToDate = today
        d[int(ProjectID)].append((EmpID, FromDate, ToDate))

# 统计共事时长并存储所有有效组合
collaboration_days = []
for job, aref in d.items():
    if len(aref) >= 2:
        for ref in combinations(aref, 2):
            begin = max(map(lambda x: x[1], ref))
            end = min(map(lambda x: x[2], ref))
            # 捕获日期格式异常，避免程序崩溃
            try:
                delta = datetime.strptime(end, '%Y-%m-%d') - datetime.strptime(begin, '%Y-%m-%d')
                dd = delta.days
                if dd > 0:
                    collaboration_days.append(
                        (ref[0][0], ref[1][0], job, dd)
                    )
                    print(f'Employees with EmpID: {ref[0][0]} and {ref[1][0]} worked together on Project ID: {job} for {dd} days')
            except ValueError:
                print(f"日期格式错误，跳过Project {job}中的员工组合{ref[0][0]}和{ref[1][0]}")

# 找出共事最久的员工组合
if collaboration_days:
    max_days = max(collaboration_days, key=lambda x: x[3])
    print("\n共事时长最久的员工组合：")
    print(f"员工{max_days[0]}和{max_days[1]}，在项目{max_days[2]}中共事了{max_days[3]}天")
else:
    print("没有找到有效共事的员工组合")

关键修改点： #

• 提前生成格式化的当日日期字符串，避免重复计算
• 读取每行时兼容'NULL'的大小写和前后空格情况
• 新增结果存储和最终筛选最长共事组合的逻辑，完成核心任务
• 添加日期格式异常捕获，提升代码健壮性

二、Pandas完整解决方案 #

你的原有Pandas代码已经完成了一部分，这里补全处理'NULL'的逻辑，以及最终找出共事最久员工的步骤：

import pandas as pd
import datetime as dt

# 读取CSV，将'NULL'识别为NaN并自动解析日期列
df = pd.read_csv(
    'data.csv',
    delimiter=',',
    na_values=['NULL'],
    parse_dates=['DateFrom', 'DateTo']
)

# 将DateTo为NaN的行替换为当日日期
today = dt.date.today()
df['DateTo'] = df['DateTo'].fillna(pd.to_datetime(today))

# 按项目分组，计算所有员工组合的共事时长
collaboration = []
for proj_id, group in df.groupby('ProjectID'):
    if len(group) >= 2:
        # 生成项目内的所有员工组合
        for i in range(len(group)):
            for j in range(i+1, len(group)):
                emp1 = group.iloc[i]
                emp2 = group.iloc[j]
                # 计算共事的时间区间
                start = max(emp1['DateFrom'], emp2['DateFrom'])
                end = min(emp1['DateTo'], emp2['DateTo'])
                if start < end:
                    days = (end - start).days
                    collaboration.append({
                        'EmpID1': emp1['EmpID'],
                        'EmpID2': emp2['EmpID'],
                        'ProjectID': proj_id,
                        'CollabDays': days
                    })

# 转换为DataFrame并找出最长共事组合
collab_df = pd.DataFrame(collaboration)
if not collab_df.empty:
    max_collab = collab_df.loc[collab_df['CollabDays'].idxmax()]
    print("共事时长最久的员工组合：")
    print(f"员工{max_collab['EmpID1']}和{max_collab['EmpID2']}，在项目{max_collab['ProjectID']}中共事了{max_collab['CollabDays']}天")
else:
    print("没有找到有效共事的员工组合")

# 可选：打印所有有效共事组合
print("\n所有有效共事组合：")
print(collab_df)

关键优化： #

• 使用na_values=['NULL']直接将CSV中的'NULL'识别为Pandas的NaN值
• 用fillna()快速批量替换所有缺失的DateTo为当日日期
• 按项目分组生成员工组合，通过Pandas的日期运算简化时长计算
• 用idxmax()快速定位最长共事时长的组合，代码更简洁高效

内容的提问来源于stack exchange，提问作者Gergan Zhekov