python处理用户签到数据（一）（2014.5.14）

 读文件 的操作：f=open("checkin\\data_test.csv",'r')

                            newline=f1.readline()

                                if newline='':

                                        break;

                                     arr=newline.split(',')   

 

毕设中需要 把foursquare签到的时间进行处理，因为用北京时间抓取的纽约签到，简单地说就是将所有的签到时间减去13小时。签到中的时间格式 是这样13/05/2014 21:20:10

    datetime模块比 time模块要好一些 ，似乎time功能具有的功能datetime都具有。

贴一些处理语句吧 

将时间格式化d= datetime.datetime.strptime("13/05/2014 21:20:10","%d/%m/%Y %H:%M:%S")

时间差的计算d=d-datetime.timedelta(hours=24)  此处为减去24小时

在文件中插入列的时候需要将元组转换为列表进行处理。

list 和array可以通过初试化进行转换，将tuple转变为list之后即可以进行插入这样的操作。列表和数组的转换 

alist=list(array)

array=tuple(alist)

 str='...'.join(arr)，join是和split对应的操作，表达式将元组中的值用...连接，并赋值给str

需要采用键值对将相同的用户签到记录放到一起，并进行时间上的排序，根据字典值进行排序。用字典建立关联关系。

python 3.3的字典遍历语句和以前的版本有所不同

for k,v in dict1.items():

 print(k,v)

排序：

只有列表可以排序，元组不可以排序

示例语句，对字典dict3按照值排序

sorted_x = sorted(dict3.items(), key=lambda dict3 : dict3[1])

需要自定义排序方法 ：按照记录中的时间先后进行排序

事实上是多属性排序，先按照用户编号，再按照用户的签到时间，两个属性进行排序

对python的语法基本熟悉之后，对我的数据处理可以按照步骤进行，每一步骤产生中间结果：

1.对签到记录按照用户进行排序，即将相同用户的签到放在一起

2.对同一用户进行时间先后排序（降序排列，将较近的签到放在前面）

3.筛选掉用户签到记录小于10的用户

4.时间进行处理，即将给定的时间处理为框架时间

5.进行测试集训练集的划分，取用户最近的5个签到为测试集其余为训练集

可以将1,2合并为处理一个列表函数，其中自定义比较函数。

发现python3.3居然把sort中的cmp去掉了，还是用2.7吧

居然不向下兼容……

进行1,2两步处理（在2.7环境下）

最终直接使用的是列表自带的sort函数。