R字符串处理应用之邮件考勤自动化
最近发现,担任助教真不是一件轻松的事情啊。虽然老师一直在想方设法减轻我的工作负担,可是核对名单真的是一件考验眼力和耐力的事情。
最近有一件非常艰巨的任务:检查上周的『考勤邮件』。这个『考勤邮件』,容我耐心的解释一番。上周,老师为了不浪费大家的时间,通过在某几分钟内发送一封邮件到公共邮箱的方法来签到。
而我今天才拿到选课学生的名单。我们知道,邮件过了一段时间,标题显示的接收时间就会改变。这个时候,为了确定邮件的发送时间,我必须要每封邮件都打开来看一下,再找到相应的名单,然后打上一个满意的勾。然而,这可是五十多封邮件啊!!!
立志成为数(一)据(名)科(懒)学(人)家的我,怎能甘心做如此机械的活呢?于是,想起最近总结的一篇字符处理相关的博客,正好可以用上。
说干就干!下面,我们就来探索一番,如何用R实现邮件考勤全自动化。
载入数据
首先,从公共邮箱批量下载数据。并载入R。
library(stringr)
library(openxlsx)
#load Name list
NameInformation<-read.xlsx("data/名单_20160308.xlsx",sheet = 1,colNames = TRUE)
str(NameInformation)
NameList<-NameInformation$姓名
NameList<-str_trim(NameList)
#read E-mail name
EmailName<-dir("data/第一次考勤/信件打包")
查看缺勤人员名单
载入数据的第一步,当然是先看看是否全勤啦~
如果没人缺勤,后面的日期提取等脏活累活就可以不用干啦!(再次暴露了懒人的本性= =!)
#match name list,remove E-mails which's subject NOT contain names ON the namelist
# detact weather the subject contains the name
ExistStatus<-lapply(NameList, function(x){
Exist<-str_detect(EmailName,x)
return(sum(Exist))
})
ExistStatus<-unlist(ExistStatus)
# find not checked names
print(paste0("缺勤的同学:",NameList[!ExistStatus]))
#str_detect(EmailName,"张三")
果不其然,有些同学还是不够团结啊!有几个没发邮件的。当然,谨慎的黄老师还是用str_detect()函数重新核对了一下,误伤了同学可不好办呐。
提取邮件接收时间
打开文本编辑器,仔细看了一下几封邮件,发现日期格式大概是这样的:
Date: Wed, 2 Mar 2016 08:06:28 +0800
先将邮件内容读入一个list。接着,用正则表达式,把含有Date: Wed, 2 Mar 2016字样的这一行提取出来。然后,只提取我们需要的时间。最后,使用striptime()函数将字符串转换成时间格式。然而,在Windows下一直得到的返回值一直是NA,在Linux下可以正确转换。万恶的微软!
###########################
## check in email received time ###
# get email content
EmailContent<-lapply(EmailName,function(x){
readLines(con<-file(paste0("data/第一次考勤/信件打包/",x),encoding = 'UTF-8'))
})
# get date and time
EmailDate<-lapply(EmailContent,function(x){
date_vec<-str_subset(x,"Date: Wed, 2 Mar 2016")
date<-str_sub(date_vec,start = 7, end = 30)
return(date)
})
# format conveting
## windows 下有问题,linux下没问题
EmailDate<-lapply(EmailDate,function(x){
strptime(x,"%a, %d %b %Y %I:%M:%S")
})
EmailDate<-unlist(EmailDate)
提取名字
为了做到有凭有据,还是要从主题提取一下名字。这个时候,跟已有的选课名单进行一一匹配即可。
然而,我们的课实在太火爆!有些没有选到课的同学,为了刷刷自己的存在感,也发来了『贺电』。这可不好办!!!如果是一个个核对,找了半天,发现没在选课名单上,岂不气煞人也!然而,有了R,我只需要一个IF语句就搞定啦。
还有一些不知是手抖还是为了刷存在感,的同学,连发了几封E-mail。当然,我并没有生气,我只需要一行代码就可以轻松化解难题。
########################################33
## exteact name on the subject ##
NameOnSubject<-lapply(EmailName,function(x){
ExtractName<-str_extract(x,NameList)
## 有的同学没有选课也发了邮件,或者不小心下载了垃圾邮件
if(sum(is.na(ExtractName))==51){
return(NA)
}
else{
Name<- ExtractName[!is.na(ExtractName)]
return(Name)
}
})
### combine Date and name
NameOnSubject<-unlist(NameOnSubject)
EmailData<-data.frame(CheckTime= EmailDate,NameOnSubject = NameOnSubject,stringsAsFactors = FALSE)
#先去掉名字为NA的邮件
EmailData<-EmailData[!is.na(EmailData$NameOnSubject),]
# 有的同学手抖,发了几封邮件,需要去重
EmailData<-EmailData[!duplicated(EmailData[,"NameOnSubject"]),]
View(EmailData)
str(EmailData)
合并数据集
最后,跟选课名单进行合并即大功告成啦!
其实仔细想想,邮箱考勤这个机制存在很大的bug。
我们可以一起发挥智慧,思考一下如何加入防作弊机制。如给每个在场的人发送一个唯一的随机码随邮件发送?(不想上课的同学会不会打我?!逃~~~~)
数据分析咨询请扫描二维码
数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21