Estou lendo um arquivo .csv, quero extrair determinados valores dele e gravá-los em um novo arquivo result.csv (B). Eu tentei fazer isso com o código (A), que está funcionando apenas parcialmente.

Na definição, coloquei todas as variáveis das quais quero extrair os valores correspondentes do arquivo .csv que estou lendo. (exceto "record_id" e "abreviação", porque eu os preencherei manualmente)

Agora, executando o código (A), ele gera a seguinte saída no result.csv:

Saída atual

record_id  abbreviation  patient_id  step_count  distance  ambulation_time  velocity  cadence  normalized_velocity  step_time_differential  step_length_differential  cycle_time_differential  step_time  step_length  step_extremity  cycle_time  stride_length  hh_base_support  swing_time  stance_time  single_supp_time  double_supp_time  toe_in_out 
70520161453                          3           292,34    1,67             ,         107,8    ,                    0,004                   1,051                     0,008                    ,          96,746       ,               1,116       ,              2,988            ,           ,            ,                 ,

Como você pode ver, faltam muitos valores em comparação com a saída desejada (B), além de alguns que são mostrados, mas incorretos.

Agora, os problemas que estou enfrentando são os seguintes:

Problema 1

Como estou comparando nomes no arquivo .csv, estou lendo, com os nomes na minha definição (A). Alguns deles não correspondem exatamente ou são confundidos com outros que têm parcialmente o mesmo nome.

Este é o problema para:

patient_id, velocity, step_time, stride_length, swing_time, stance_time, single_supp_time, double_supp_time, toe_in_out

Por exemplo, velocidade da minha definição corresponde à velocidade do arquivo .csv que estou lendo, mas também corresponde ao stridevelocitystddev. Isso está causando o valor ausente da velocidade.

Problema 2

Todas as variáveis a seguir contêm 2 valores em vez de 1, por exemplo, step_time contém os valores 0,558 e 0,554. Para todas essas variáveis que contêm 2 valores, quero calcular a média das duas e depois escrever apenas a média (neste exemplo, a média de 0,558 e 0,554 = 0,56) no resultado.csv pertencente a step_time.

step_time, step_length, cycle_time, stride_length, hh_base_support, swing_time, stance_time, single_supp_time, double_supp_time, toe_in_out

Espero que alguém possa me ajudar a resolver esses problemas, será apreciado!

Sinta-se livre para jogar com o arquivo de exportação que estou usando, você pode baixá-lo aqui:Arquivo de exportação CSV

(A) código Python

import csv
from collections import defaultdict
from datetime import datetime

data = defaultdict(str)
result = 'path/to/file/result_%s.csv'%datetime.now().strftime('%b-%d-%Y_%H%M')

#Make a list with the predefined variables
definition = ["record_id", "abbreviation", "patient_id", "step_count", "distance", "ambulation_time", "velocity", "cadence", "normalized_velocity", "step_time_differential", "step_length_differential", "cycle_time_differential", "step_time", "step_length", "step_extremity", "cycle_time", "stride_length", "hh_base_support", "swing_time", "stance_time", "single_supp_time", "double_supp_time", "toe_in_out"]

#Read the GaitRite .csv
with open('path/to/file/Export 4.csv', 'r') as f, open(result, 'w') as outfile:
    reader = csv.reader(f, delimiter=';')
    next(reader, None)  # skip the headers
    writer = csv.DictWriter(outfile, fieldnames=definition, lineterminator='\n')
    writer.writeheader()

#Read the .csv row by row
    for row in reader:
        for item in definition:
            h = item.replace('_', '')
            r0 = row[0].lower().replace(' ', '')
            if h in r0:
                try:
                    avg = round((float(row[1].replace(',', '.')) + float(row[2].replace(',', '.'))) / 2, 2)
                    data[item] = avg
                except ValueError:
                    avg = 0  # for cases with entry strings or commas
                data[item] = row[1]

    data['record_id'] = datetime.now().strftime('%m%d%Y%H%M')

# Write the clean result.csv
    writer.writerow(data)

(B) Saída .csv desejada

record_id  abbreviation  patient_id  step_count  distance  ambulation_time  velocity  cadence  normalized_velocity  step_time_differential  step_length_differential  cycle_time_differential  step_time  step_length  step_extremity  cycle_time  stride_length  hh_base_support  swing_time  stance_time  single_supp_time  double_supp_time  toe_in_out 
70520161453              25          3           292,34    1,67             175,1     107,8                         0,004                   1,051                     0,008                    0,56       97,27                        1,11        194,64         4,65             0,47        0,65         0,47              0,18              1,45