Untitled

import pandas as pd

def process_csv(file_path, output_path):
    # Wczytanie pliku CSV z odpowiednim kodowaniem i ignorowaniem błędnych linii
    df = pd.read_csv(file_path, encoding='ISO-8859-1', on_bad_lines='skip', delimiter=';')

    # Wyświetlenie dostępnych kolumn
    print("Available columns:", df.columns)

    # Sprawdzenie czy kolumna "Data złożenia" istnieje
    if 'Data' in df.columns:
        # Zmiana formatu daty w kolumnie "Data złożenia"
        df['Data'] = pd.to_datetime(df['Data'], format='%d-%m-%Y, %H:%M:%S').dt.date
    else:
        print("Kolumna 'Data' nie istnieje w pliku CSV.")
        return

    # Sprawdzanie czy wymagane kolumny istnieją
    required_columns = ['zamowienie', 'status', 'Nazwa paczki']
    for col in required_columns:
        if col not in df.columns:
            print(f"Kolumna '{col}' nie istnieje w pliku CSV.")
            return

     # Filtrowanie danych
    df_filtered = df[
    (df['zamowienie'].isin(['www nowe', 'mmp nowe'])) & 
    (df['status'] == 'zbilingowany') &
    (df['Nazwa paczki'].str.contains('MVNO', na=False))
]



    # Sprawdzenie czy filtr zwrócił dane
    if df_filtered.empty:
        print("Brak danych po filtracji.")
        return

    # Znalezienie 10 najczęściej występujących wartości w kolumnie "Nazwa paczki"
    top_10_packages = df_filtered['Nazwa paczki'].value_counts().nlargest(10).index

    # Grupowanie danych według daty i nazwy paczki, biorąc pod uwagę tylko top 10 nazw paczek
    grouped = df_filtered[df_filtered['Nazwa paczki'].isin(top_10_packages)].groupby(['Data', 'Nazwa paczki']).size().unstack(fill_value=0)

    # Przygotowanie końcowego DataFrame z 10 najczęściej występującymi nazwami paczek
    result = pd.DataFrame(grouped).reset_index()

    # Zamiana formatu DataFrame, aby pokazać ilości rekordów pod nazwami paczek
    result = result.melt(id_vars=['Data'], var_name='Package', value_name='Count')
    result = result.pivot(index='Data', columns='Package', values='Count').fillna(0).astype(int).reset_index()

    # Zmiana kolejności kolumn, Data złożenia jest zawsze pierwsza
    columns_order = ['Data'] + list(top_10_packages)
    result = result[['Data'] + [package for package in top_10_packages if package in result.columns]]

    # Zapisanie przetworzonego pliku Excel
    result.to_excel(output_path, index=False)

# Przykład użycia
process_csv('input.csv', 'output.xlsx')