#!/usr/bin/env python3 """Заполнение пропусков в CSV.""" from __future__ import annotations import argparse from pathlib import Path import pandas as pd def main() -> int: parser = argparse.ArgumentParser(description="Заполнить пропуски в CSV") parser.add_argument("--input", type=Path, required=True, help="Исходный CSV") parser.add_argument("--output", type=Path, default=Path("filled.csv"), help="Результат") parser.add_argument("--report", type=Path, default=Path("fillna_report.csv"), help="Отчёт о пропусках") parser.add_argument("--strategy", choices=["constant", "mean", "median", "mode", "ffill", "bfill", "drop"], default="mean", help="Способ заполнения") parser.add_argument("--value", default="", help="Значение для стратегии constant") parser.add_argument("--columns", default="", help="Колонки через запятую, по умолчанию все") parser.add_argument("--force", action="store_true", help="Перезаписать выходные файлы") args = parser.parse_args() source = args.input.expanduser().resolve() target = args.output.expanduser().resolve() report = args.report.expanduser().resolve() if not source.is_file(): parser.error(f"Файл не найден: {source}") if source in {target, report}: parser.error("Выходные файлы не должны совпадать с исходным") for path in (target, report): if path.exists() and not args.force: parser.error(f"Файл уже существует: {path}. Добавьте --force") if args.strategy == "constant" and args.value == "": parser.error("Для стратегии constant укажите --value") frame = pd.read_csv(source, encoding="utf-8-sig") columns = [item.strip() for item in args.columns.split(",") if item.strip()] if not columns: columns = list(frame.columns) missing = [name for name in columns if name not in frame.columns] if missing: parser.error("Нет колонок: " + ", ".join(missing)) before = frame[columns].isna().sum() work = frame.copy() for column in columns: series = work[column] if args.strategy == "constant": numeric = pd.to_numeric(series, errors="coerce") constant = pd.to_numeric(pd.Series([args.value]), errors="coerce").iloc[0] if series.notna().sum() > 0 and numeric.notna().sum() == series.notna().sum() and pd.notna(constant): work[column] = numeric.fillna(float(constant)) else: work[column] = series.fillna(args.value) elif args.strategy == "mean": numeric = pd.to_numeric(series, errors="coerce") if numeric.notna().sum() != series.notna().sum(): print(f"Пропуск {column}: есть нечисловые значения") continue work[column] = numeric.fillna(numeric.mean()) elif args.strategy == "median": numeric = pd.to_numeric(series, errors="coerce") if numeric.notna().sum() != series.notna().sum(): print(f"Пропуск {column}: есть нечисловые значения") continue work[column] = numeric.fillna(numeric.median()) elif args.strategy == "mode": mode = series.mode(dropna=True) if not mode.empty: work[column] = series.fillna(mode.iloc[0]) elif args.strategy == "ffill": work[column] = series.ffill() elif args.strategy == "bfill": work[column] = series.bfill() if args.strategy == "drop": work = work.dropna(subset=columns) after = work[columns].isna().sum() summary = pd.DataFrame({ "column": columns, "before": [int(before[name]) for name in columns], "after": [int(after[name]) for name in columns], }) summary["filled"] = summary["before"] - summary["after"] target.parent.mkdir(parents=True, exist_ok=True) work.to_csv(target, index=False, encoding="utf-8-sig") report.parent.mkdir(parents=True, exist_ok=True) summary.to_csv(report, index=False, encoding="utf-8-sig") print(f"Стратегия: {args.strategy}") print(f"Строк было: {len(frame)}, стало: {len(work)}") print(f"Пропусков до: {int(before.sum())}, после: {int(after.sum())}") print(f"Результат: {target}") print(f"Отчёт: {report}") return 0 if __name__ == "__main__": raise SystemExit(main())