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
若不方便扫码,搜微信号:CDAshujufenxi
你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-11随着数字化转型的加速,企业积累了海量数据,如何从这些数据中挖掘有价值的信息,成为企业提升竞争力的关键。CDA认证考试体系应 ...
2025-03-10