在 Jupyter 里使用 Python 來分析日歷，以了解你是如何使用時間的。

Python 在探索數(shù)據(jù)方面具有令人難以置信的可擴(kuò)展性。利用 Pandas 或 Dask，你可以將 Jupyter 擴(kuò)展到大數(shù)據(jù)領(lǐng)域。但是小數(shù)據(jù)、個人資料、私人數(shù)據(jù)呢？

JupyterLab 和 Jupyter Notebook 為我提供了一個絕佳的環(huán)境，可以讓我審視我的筆記本電腦生活。

我的探索是基于以下事實：我使用的幾乎每個服務(wù)都有一個 Web API。我使用了諸多此類服務(wù)：待辦事項列表、時間跟蹤器、習(xí)慣跟蹤器等。還有一個幾乎每個人都會使用到：日歷。相同的思路也可以應(yīng)用于其他服務(wù)，但是日歷具有一個很酷的功能：幾乎所有 Web 日歷都支持的開放標(biāo)準(zhǔn) —— CalDAV。

在 Jupyter 中使用 Python 解析日歷

大多數(shù)日歷提供了導(dǎo)出為 CalDAV 格式的方法。你可能需要某種身份驗證才能訪問這些私有數(shù)據(jù)。按照你的服務(wù)說明進(jìn)行操作即可。如何獲得憑據(jù)取決于你的服務(wù)，但是最終，你應(yīng)該能夠?qū)⑦@些憑據(jù)存儲在文件中。我將我的憑據(jù)存儲在根目錄下的一個名為 .caldav 的文件中：

import os
with open(os.path.expanduser("~/.caldav")) as fpin:
    username, password = fpin.read().split()

切勿將用戶名和密碼直接放在 Jupyter Notebook 的筆記本中！它們可能會很容易因 git push 的錯誤而導(dǎo)致泄漏。

下一步是使用方便的 PyPI caldav 庫。我找到了我的電子郵件服務(wù)的 CalDAV 服務(wù)器（你可能有所不同）：

import caldav
client = caldav.DAVClient(url="https://caldav.fastmail.com/dav/", username=username, password=password)

CalDAV 有一個稱為 principal（主鍵）的概念。它是什么并不重要，只要知道它是你用來訪問日歷的東西就行了：

principal = client.principal()
calendars = principal.calendars()

從字面上講，日歷就是關(guān)于時間的。訪問事件之前，你需要確定一個時間范圍。默認(rèn)一星期就好：

from dateutil import tz
import datetime
now = datetime.datetime.now(tz.tzutc())
since = now - datetime.timedelta(days=7)

大多數(shù)人使用的日歷不止一個，并且希望所有事件都在一起出現(xiàn)。itertools.chain.from_iterable 方法使這一過程變得簡單：

import itertools
 
raw_events = list(
    itertools.chain.from_iterable(
        calendar.date_search(start=since, end=now, expand=True)
        for calendar in calendars
    )
)

將所有事件讀入內(nèi)存很重要，以 API 原始的本地格式進(jìn)行操作是重要的實踐。這意味著在調(diào)整解析、分析和顯示代碼時，無需返回到 API 服務(wù)刷新數(shù)據(jù)。

但 “原始” 真的是原始，事件是以特定格式的字符串出現(xiàn)的：

print(raw_events[12].data)

    BEGIN:VCALENDAR
    VERSION:2.0
    PRODID:-//CyrusIMAP.org/Cyrus
     3.3.0-232-g4bdb081-fm-20200825.002-g4bdb081a//EN
    BEGIN:VEVENT
    DTEND:20200825T230000Z
    DTSTAMP:20200825T181915Z
    DTSTART:20200825T220000Z
    SUMMARY:Busy
    UID:
     1302728i-040000008200E00074C5B7101A82E00800000000D939773EA578D601000000000
     000000010000000CD71CC3393651B419E9458134FE840F5
    END:VEVENT
    END:VCALENDAR

幸運(yùn)的是，PyPI 可以再次使用另一個輔助庫 vobject 解圍：

import io
import vobject
 
def parse_event(raw_event):
    data = raw_event.data
    parsed = vobject.readOne(io.StringIO(data))
    contents = parsed.vevent.contents
    return contents

parse_event(raw_events[12])

    {'dtend': [<DTEND{}2020-08-25 23:00:00+00:00>],
     'dtstamp': [<DTSTAMP{}2020-08-25 18:19:15+00:00>],
     'dtstart': [<DTSTART{}2020-08-25 22:00:00+00:00>],
     'summary': [<SUMMARY{}Busy>],
     'uid': [<UID{}1302728i-040000008200E00074C5B7101A82E00800000000D939773EA578D601000000000000000010000000CD71CC3393651B419E9458134FE840F5>]}

好吧，至少好一點(diǎn)了。

仍有一些工作要做，將其轉(zhuǎn)換為合理的 Python 對象。第一步是 擁有 一個合理的 Python 對象。attrs 庫提供了一個不錯的開始：

import attr
from __future__ import annotations
@attr.s(auto_attribs=True, frozen=True)
class Event:
    start: datetime.datetime
    end: datetime.datetime
    timezone: Any
    summary: str

是時候編寫轉(zhuǎn)換代碼了！

第一個抽象從解析后的字典中獲取值，不需要所有的裝飾：

def get_piece(contents, name):
    return contents[name][0].value
get_piece(_, "dtstart")
    datetime.datetime(2020, 8, 25, 22, 0, tzinfo=tzutc())

日歷事件總有一個“開始”、有一個“結(jié)束”、有一個 “持續(xù)時間”。一些謹(jǐn)慎的解析邏輯可以將兩者協(xié)調(diào)為同一個 Python 對象：

def from_calendar_event_and_timezone(event, timezone):
    contents = parse_event(event)
    start = get_piece(contents, "dtstart")
    summary = get_piece(contents, "summary")
    try:
        end = get_piece(contents, "dtend")
    except KeyError:
        end = start + get_piece(contents, "duration")
    return Event(start=start, end=end, summary=summary, timezone=timezone)

將事件放在 本地 時區(qū)而不是 UTC 中很有用，因此使用本地時區(qū)：

my_timezone = tz.gettz()
from_calendar_event_and_timezone(raw_events[12], my_timezone)
    Event(start=datetime.datetime(2020, 8, 25, 22, 0, tzinfo=tzutc()), end=datetime.datetime(2020, 8, 25, 23, 0, tzinfo=tzutc()), timezone=tzfile('/etc/localtime'), summary='Busy')

既然事件是真實的 Python 對象，那么它們實際上應(yīng)該具有附加信息。幸運(yùn)的是，可以將方法添加到類中。

但是要弄清楚哪個事件發(fā)生在哪一天不是很直接。你需要在 本地 時區(qū)中選擇一天：

def day(self):
    offset = self.timezone.utcoffset(self.start)
    fixed = self.start + offset
    return fixed.date()
Event.day = property(day)

print(_.day)
    2020-08-25

事件在內(nèi)部始終是以“開始”/“結(jié)束”的方式表示的，但是持續(xù)時間是有用的屬性。持續(xù)時間也可以添加到現(xiàn)有類中：

def duration(self):
    return self.end - self.start
Event.duration = property(duration)

print(_.duration)
    1:00:00

現(xiàn)在到了將所有事件轉(zhuǎn)換為有用的 Python 對象了：

all_events = [from_calendar_event_and_timezone(raw_event, my_timezone)
              for raw_event in raw_events]

全天事件是一種特例，可能對分析生活沒有多大用處。現(xiàn)在，你可以忽略它們：

# ignore all-day events
all_events = [event for event in all_events if not type(event.start) == datetime.date]

事件具有自然順序 —— 知道哪個事件最先發(fā)生可能有助于分析：

all_events.sort(key=lambda ev: ev.start)

現(xiàn)在，事件已排序，可以將它們加載到每天：

import collections
events_by_day = collections.defaultdict(list)
for event in all_events:
    events_by_day[event.day].append(event)

有了這些，你就有了作為 Python 對象的帶有日期、持續(xù)時間和序列的日歷事件。

用 Python 報到你的生活

現(xiàn)在是時候編寫報告代碼了！帶有適當(dāng)?shù)臉?biāo)題、列表、重要內(nèi)容以粗體顯示等等，有醒目的格式是很意義。

這就是一些 HTML 和 HTML 模板。我喜歡使用 Chameleon：

template_content = """
<html><body>
<div tal:repeat="item items">
<h2 tal:content="item[0]">Day</h2>
<ul>
    <li tal:repeat="event item[1]"><span tal:replace="event">Thing</span></li>
</ul>
</div>
</body></html>"""

Chameleon 的一個很酷的功能是使用它的 html 方法渲染對象。我將以兩種方式使用它：

• 摘要將以粗體顯示
• 對于大多數(shù)活動，我都會刪除摘要（因為這是我的個人信息）

def __html__(self):
    offset = my_timezone.utcoffset(self.start)
    fixed = self.start + offset
    start_str = str(fixed).split("+")[0]
    summary = self.summary
    if summary != "Busy":
        summary = "<REDACTED>"
    return f"<b>{summary[:30]}</b> -- {start_str} ({self.duration})"
Event.__html__ = __html__

為了簡潔起見，將該報告切成每天的：

import chameleon
from IPython.display import HTML
template = chameleon.PageTemplate(template_content)
html = template(items=itertools.islice(events_by_day.items(), 3, 4))
HTML(html)

渲染后，它將看起來像這樣：

2020-08-25

• <REDACTED> -- 2020-08-25 08:30:00 (0:45:00)
• <REDACTED> -- 2020-08-25 10:00:00 (1:00:00)
• <REDACTED> -- 2020-08-25 11:30:00 (0:30:00)
• <REDACTED> -- 2020-08-25 13:00:00 (0:25:00)
• Busy -- 2020-08-25 15:00:00 (1:00:00)
• <REDACTED> -- 2020-08-25 15:00:00 (1:00:00)
• <REDACTED> -- 2020-08-25 19:00:00 (1:00:00)
• <REDACTED> -- 2020-08-25 19:00:12 (1:00:00)

Python 和 Jupyter 的無窮選擇

通過解析、分析和報告各種 Web 服務(wù)所擁有的數(shù)據(jù)，這只是你可以做的事情的表面。

為什么不對你最喜歡的服務(wù)試試呢？