Echoclean

Echoclean是一个实用程序，用于帮助将专家规则应用到sonobat输出。然而，该程序旨在非常通用，可能适用于其他生成类似电子表格输出的自动分类器的输出。

依赖关系

• openpyxl (版本 2.5.14，不得更新！)
• click

安装

pip install echoclean

开发安装

下载或克隆此存储库，然后运行

python setup.py install

使用方法

从命令行，在您的激活Python环境中

Usage: echoclean apply [OPTIONS] RULES DATA OUTPUT

  Apply the rules to the input data.

Options:
  -v, --verbose  Verbose output
  --help         Show this message and exit.

详细选项可以重复两次-v -v以提供更多详细输出。

工作原理

Echoclean通过将RULES文件中的专家规则应用到DATA文件中工作。文件可以是XLSX、CSV或制表符分隔的。如果找到XLSX文件和多个工作表，您将被提示选择正确的工作表。

程序首先比较DATA和RULES文件之间的列。存在于两个文件中的任何列都用于构建规则。在将规则应用到DATA的行时，仅存在于RULE文件中的任何列都用作结果集。DATA文件中未在规则中找到的任何列都复制到OUTPUT中。这种灵活性允许您为几乎任何可以用行/列格式表示的简单数据开发规则。

注意：如果您将此程序的输出再次作为DATA运行，您必须重命名结果集的列，否则它们将被用作条件并产生意外结果。

此程序不关心您如何命名列，但对于DATA中的某一列，规则必须完全相同（包括大小写）。此程序不期望任何特定的列，但如果它找到名为'Filename'的列，它将尝试使用Sonobat格式解析日期戳。然后使用这些日期戳来确定文件录制的夜晚，任何中午之前的时间都被假定为前一个夜晚的一部分。

规则按顺序应用，按照从文件中读取的顺序。

输出文件始终是一个包含多个工作表的XLSX电子表格。一个工作表包含分类结果，即DATA文件中的每一行，前面是用于分类该行的RULES文件的结果集。对于结果集中的每一列，都会创建一个额外的工作表，其中包含在分类结果中找到的每个唯一结果值的行数。

规则

规则是一组必须满足的条件，才能应用该规则。一旦应用规则，就不再测试其他规则。

可以将规则视为形成二分法关键；当DATA中的一行未通过给定规则时，它将与其进行下一规则的测试，因此不符合先前的任何规则。因此，您的规则可以是累加的，因为您可以安全地假设该行未满足任何先前条件，您应该从最严格到最不严格地构建您的规则。

示例

给定以下规则

规则1 Consensus: 'ANPA' 规则2 Consensus: 'MYLU'

这些规则将按如下方式评估：任何与规则2进行测试的DATA中的行都隐式地不是规则1中的任何标准。因此，在这种情况下，它等同于

Consensus是 'MYLU' 且不是 'ANPA'.

我们建议您为规则编号以帮助调试。这样做可以更容易地直观比较给定行中的值与应用或期望的规则。

注意：此程序不会检查您的规则的有效性。您负责确保您的规则在逻辑上是正确的，并且顺序正确。

标准

标准必须与列的数据类型匹配。范围或相等比较仅适用于数值类型。

任何 如果在给定规则中为列留空，则允许数据中的该列具有任何值以匹配。您也可以提供值'任何'，但这是不必要的。

空白 如果您在给定规则中指定'空白'，则该列必须在数据中为空白才能匹配。

数值类型 您可以指定这样的相等比较

> 10
< 12
>= 40
<= 20
= 2
4 - 10   (equivalent to >= 4 AND <= 10)

文本类型 您可以指定要比较的可能值的列表。数据中的行只需包含其中之一。

示例

规则1 Consensus: LANO, COTO, TABR, LACI, 或空白

将匹配COTO，但不会匹配EPFU。这也是一个特殊情况，空白可以匹配，但列表中未列出的任何值都会失败。

您还可以使用否定条件，但只能允许一个值

Consensus: Not EPFU