来自 JIRA 的 Python CSV，带有重复的 Sprint 标头答案

【问题标题】：Python CSV from JIRA with duplicate Sprint headers来自 JIRA 的 Python CSV，带有重复的 Sprint 标头
【发布时间】：2020-02-07 05:45:51
【问题描述】：

我正在使用 python 3.7.5

我有一个 CSV 文件，我从 Jira 实例中取出该文件，以便查看哪个问题在哪个 sprint 中完成。 Jira 会跟踪问题所在的每个 sprint，因此如果您导出 CSV，您将获得多个 Sprint 标头，其中包含如下数据：

Issue key,Issue Type,Status,Sprint,Sprint,Sprint,Sprint
OLS-526,Story,Done,Sprint #16,Sprint #17,Sprint #18,Sprint #19
OLS-871,Story,Done,Sprint #18,Sprint #28,,
OLS-165,Story,Done,Sprint 1,Sprint 3,Sprint #18,Sprint #19
OLS-868,Story,Done,Sprint #28,,,

我需要确定问题是在哪个 Sprint 中交付的，所以最右边的 Sprint 列，这样我就可以计算实际有多少问题在每个 sprint 中完成。

我尝试过使用默认的 python 'csv' 和这样的 DictReader：

import csv
with open('../OLS-tix2.csv', newline='') as csvfile:
  reader = csv.DictReader(csvfile)
  for row in reader:
    print(row['Sprint'])

但您只能获得 last Sprint 列，如果该列中没有任何内容，则为空白。因为上面的输出看起来像这样：

Sprint #19

Sprint #19

我可以只使用普通的 csv 阅读器并自己滚动，但我认为在 python 中必须有更好的方法。

【问题讨论】：

标签： python python-3.x csv jira

【解决方案1】：

好的，所以我环顾四周，发现pandas 看起来可能是完成这项工作的好工具。有很多例子，作为奖励，我可以使用 dataframes 和 pivot_table 和 aggregating counts of ids 进行过滤/旋转

这就是我最终为我工作的：

import pandas as pd


csv_file = "../OLS-tix.csv" # where the file is at
ols_df = pd.read_csv(csv_file)
finish_sprint_col = 'finish_sprint' # the column to put the actual Sprint thie issue was finished in
ols_df[finish_sprint_col] = "" # add the new blank column
sprints = ols_df.columns[ols_df.columns.str.contains('Sprint')] # get all the headers that contain the word sprint as they will be Sprint, Sprint.1 ... Sprint.N
for i,row in ols_df.iterrows():
  if not ols_df.at[i,"Status"] == "Done": # we only want to do this for "Done" Issues
    continue
  finish_sprint = False
  for header in sprints: # go through all the sprint cells for this row and get the last not empty one.
    if not pd.isnull(ols_df.loc[i, header]):
      finish_sprint = ols_df.loc[i, header]
  if finish_sprint:
    ols_df.at[i,finish_sprint_col] = finish_sprint

# get number of issue finished per sprint.
dones = ols_df[(ols_df.Status == "Done") & (ols_df['Issue Type'] == "Story") ].pivot_table(index=["finish_sprint"],values=["Issue key"], aggfunc=[pd.Series.nunique])

这可能是一种更简单的方法，但现在似乎可行......

【讨论】：