This commit is contained in:
2025-05-25 10:26:10 +00:00
parent 3fb67137dd
commit f2b1752c6c

View File

@@ -810,7 +810,7 @@ def extract_numeric_value(raw_value, is_umsatz=False):
# Globale Funktion (ersetzen Sie Ihre bestehende Version)
# Globale Funktion (ersetzen Sie Ihre bestehende Version)
def get_numeric_filter_value(value_str, is_umsatz=False):
logger = logging.getLogger(__name__ + ".get_numeric_filter_value")
logger = logging.getLogger(__name__ + ".get_numeric_filter_value") # Spezifischerer Logger-Name
if value_str is None or pd.isna(value_str) or str(value_str).strip() == '':
return 0.0 if is_umsatz else 0
@@ -820,60 +820,75 @@ def get_numeric_filter_value(value_str, is_umsatz=False):
return 0.0 if is_umsatz else 0
try:
# Schritt 1: Grundlegende Textbereinigung
processed_value = clean_text(raw_value_str_original)
if processed_value.lower() in ['k.a.', 'n/a', '-']:
return 0.0 if is_umsatz else 0
# Schritt 2: Präfixe, Suffixe, Währungssymbole und Spannen entfernen
processed_value = re.sub(r'(?i)^\s*(ca\.?|circa|rund|etwa|ueber|unter|mehr als|weniger als|bis zu)\s+', '', processed_value)
processed_value = re.sub(r'[€$£¥]', '', processed_value).strip()
processed_value = re.split(r'\s*(-||bis)\s*', processed_value, 1)[0].strip()
num_extraction_str = processed_value.replace("'", "").replace(" ", "")
# Schritt 3: Klammerinhalte entfernen (z.B. Jahreszahlen)
num_extraction_str = re.sub(r'\(.*?\)', '', processed_value).strip()
# Schritt 4: Apostrophe und Leerzeichen zwischen Ziffern entfernen
num_extraction_str = num_extraction_str.replace("'", "")
num_extraction_str = re.sub(r'(?<=\d)\s+(?=\d)', '', num_extraction_str) # Entfernt Leerzeichen nur zwischen Ziffern
if not num_extraction_str: return 0.0 if is_umsatz else 0
# Schritt 5: Punkte und Kommas als Tausender-/Dezimaltrennzeichen standardisieren
has_dot = '.' in num_extraction_str
has_comma = ',' in num_extraction_str
if has_dot and has_comma:
if num_extraction_str.rfind('.') > num_extraction_str.rfind(','): # US: 1,234.56
num_extraction_str = num_extraction_str.replace(',', '')
else: # EU: 1.234,56
num_extraction_str = num_extraction_str.replace('.', '').replace(',', '.')
if num_extraction_str.rfind('.') > num_extraction_str.rfind(','): # US-Stil: 1,234.56
num_extraction_str = num_extraction_str.replace(',', '') # Kommas als Tausendertrenner entfernen
else: # EU-Stil: 1.234,56
num_extraction_str = num_extraction_str.replace('.', '') # Punkte als Tausendertrenner entfernen
num_extraction_str = num_extraction_str.replace(',', '.') # Komma zu Dezimalpunkt
elif has_comma: # Nur Kommas
if num_extraction_str.count(',') == 1 and re.search(r',\d{1,2}$', num_extraction_str) and not re.search(r',\d{3}', num_extraction_str):
num_extraction_str = num_extraction_str.replace(',', '.') # Dezimalkomma
else: # Tausenderkommas
# Wenn ein einzelnes Komma wahrscheinlich ein Dezimaltrennzeichen ist (z.B. "123,45")
if num_extraction_str.count(',') == 1 and re.search(r',\d{1,2}$', num_extraction_str) and not re.search(r',\d{3}(,|\s|\Z)', num_extraction_str):
num_extraction_str = num_extraction_str.replace(',', '.')
else: # Ansonsten sind Kommas Tausendertrenner
num_extraction_str = num_extraction_str.replace(',', '')
elif has_dot: # Nur Punkte
if num_extraction_str.count('.') == 1 and re.search(r'\.\d{1,2}$', num_extraction_str) and not re.search(r'\.\d{3}', num_extraction_str):
pass # Dezimalpunkt, bleibt
else: # Tausenderpunkte
# Wenn ein einzelner Punkt wahrscheinlich ein Dezimaltrennzeichen ist (z.B. "123.45")
if num_extraction_str.count('.') == 1 and re.search(r'\.\d{1,2}$', num_extraction_str) and not re.search(r'\.\d{3}(?!\d)', num_extraction_str): # (?!\d) stellt sicher, dass nicht .000 Teil einer größeren Zahl ist
pass # Punkt ist Dezimal, bleibt
else: # Ansonsten sind Punkte Tausendertrenner
num_extraction_str = num_extraction_str.replace('.', '')
# Finale Validierung mit Regex, ob es eine gültige Zahl ist
if not re.fullmatch(r'-?\d+(\.\d+)?', num_extraction_str):
# Schritt 6: Finale Validierung und Konvertierung zu float
if not re.fullmatch(r'-?\d+(\.\d+)?', num_extraction_str): # Prüft ob String eine gültige Zahl ist
logger.debug(f"Kein gültiger numerischer String nach Trennzeichenbehandlung: '{num_extraction_str}' (Original: '{raw_value_str_original}')")
return 0.0 if is_umsatz else 0
num_as_float = float(num_extraction_str)
# Schritt 7: Einheiten-Skalierung
scaled_num = num_as_float
original_lower = raw_value_str_original.lower()
if is_umsatz:
if is_umsatz: # Zielwert soll in Millionen sein
if re.search(r'\bmrd\s*\b|\bmilliarden\s*\b|\bbillion\s*\b', original_lower):
scaled_num = num_as_float * 1000.0
scaled_num = num_as_float * 1000.0
elif re.search(r'\btsd\s*\b|\btausend\s*\b', original_lower):
scaled_num = num_as_float / 1000.0
else: # Mitarbeiter
scaled_num = num_as_float / 1000.0
# Ansonsten: num_as_float wird als bereits in Mio. € interpretiert (da CRM-Umsatz so definiert ist)
else: # Mitarbeiter (absolute Zahl)
if re.search(r'\bmrd\s*\b|\bmilliarden\s*\b|\bbillion\s*\b', original_lower): scaled_num = num_as_float * 1000000000.0
elif re.search(r'\bmio\s*\b|\bmillionen\s*\b|\bmill[.]?\s*\b', original_lower): scaled_num = num_as_float * 1000000.0
elif re.search(r'\btsd\s*\b|\btausend\s*\b', original_lower): scaled_num = num_as_float * 1000.0
# Für Filterlogik nur positive Werte, sonst 0
return scaled_num if scaled_num > 0 else (0.0 if is_umsatz else 0)
except ValueError as e:
logger.debug(f"ValueError '{e}' bei Konvertierung (get_numeric_filter_value) von '{num_extraction_str if 'num_extraction_str' in locals() else raw_value_str_original[:30]}...'")
logger.debug(f"ValueError '{e}' bei Konvertierung (get_numeric_filter_value) von '{num_extraction_str if 'num_extraction_str' in locals() and isinstance(num_extraction_str, str) else raw_value_str_original[:30]}...'")
return 0.0 if is_umsatz else 0
except Exception as e_general:
logger.error(f"Unerwarteter Fehler in get_numeric_filter_value für '{raw_value_str_original[:50]}...': {e_general}")
@@ -7917,25 +7932,36 @@ class DataProcessor:
# Innerhalb der DataProcessor Klasse
# Innerhalb der DataProcessor Klasse (ersetzen Sie Ihre bestehende Version vollständig hiermit)
def _get_numeric_value_for_plausi(self, value_str, is_umsatz=False):
logger = logging.getLogger(__name__ + "._get_numeric_value_for_plausi")
if value_str is None or pd.isna(value_str): return np.nan
raw_value_str_clean = str(value_str).strip()
# Explizit "0" und andere "unbekannt" Strings als NaN behandeln
if raw_value_str_clean.lower() in ['', 'k.a.', 'n/a', '-', '0', '0.0', '0,00', '0.000', '0.00']:
logger.debug(f"Input '{raw_value_str_clean}' als 'unbekannt' (NaN) interpretiert.")
return np.nan
# Schritt 1: Grundlegende Textbereinigung
temp_val = clean_text(raw_value_str_clean)
if temp_val.lower() in ['k.a.', 'n/a', '-']: return np.nan
if temp_val.lower() in ['k.a.', 'n/a', '-']: return np.nan # Erneute Prüfung nach clean_text
# Schritt 2: Präfixe, Suffixe, Währungssymbole und Spannen entfernen
temp_val = re.sub(r'(?i)^\s*(ca\.?|circa|rund|etwa|ueber|unter|mehr als|weniger als|bis zu)\s+', '', temp_val)
temp_val = re.sub(r'[€$£¥]', '', temp_val).strip()
temp_val = re.split(r'\s*(-||bis)\s*', temp_val, 1)[0].strip()
num_extraction_str = temp_val.replace("'", "").replace(" ", "")
# Schritt 3: Klammerinhalte entfernen
num_extraction_str = re.sub(r'\(.*?\)', '', temp_val).strip()
# Schritt 4: Apostrophe und Leerzeichen zwischen Ziffern entfernen
num_extraction_str = num_extraction_str.replace("'", "")
num_extraction_str = re.sub(r'(?<=\d)\s+(?=\d)', '', num_extraction_str)
if not num_extraction_str: return np.nan
# Schritt 5: Punkte und Kommas als Tausender-/Dezimaltrennzeichen standardisieren
has_dot = '.' in num_extraction_str
has_comma = ',' in num_extraction_str
@@ -7944,10 +7970,10 @@ class DataProcessor:
num_extraction_str = num_extraction_str.replace(',', '')
else:
num_extraction_str = num_extraction_str.replace('.', '').replace(',', '.')
elif has_comma:
elif has_comma:
if num_extraction_str.count(',') == 1 and re.search(r',\d{1,2}$', num_extraction_str) and not re.search(r',\d{3}', num_extraction_str):
num_extraction_str = num_extraction_str.replace(',', '.')
else:
else:
num_extraction_str = num_extraction_str.replace(',', '')
elif has_dot:
if num_extraction_str.count('.') == 1 and re.search(r'\.\d{1,2}$', num_extraction_str) and not re.search(r'\.\d{3}', num_extraction_str):
@@ -7955,27 +7981,32 @@ class DataProcessor:
else:
num_extraction_str = num_extraction_str.replace('.', '')
# Schritt 6: Finale Validierung und Konvertierung zu float
if not re.fullmatch(r'-?\d+(\.\d+)?', num_extraction_str):
logger.debug(f"Kein gültiger numerischer String nach Trennzeichenbehandlung: '{num_extraction_str}' (Original: '{raw_value_str_clean}')")
return np.nan
try:
num_val = float(num_extraction_str)
num_val = float(num_extraction_str) # Der reine Zahlenwert aus dem String
# Schritt 7: Einheiten-Skalierung zum absoluten Wert
original_lower = raw_value_str_clean.lower()
final_num_absolute = num_val
if is_umsatz:
if is_umsatz: # Ziel ist der absolute Euro-Betrag
if re.search(r'\bmrd\s*\b|\bmilliarden\s*\b|\bbillion\s*\b', original_lower):
final_num_absolute = num_val * 1000000000.0
elif re.search(r'\btsd\s*\b|\btausend\s*\b', original_lower):
final_num_absolute = num_val * 1000.0
else:
else: # Annahme: num_val ist bereits in Mio (z.B. "173" aus CRM), konvertiere zu absolutem Euro
final_num_absolute = num_val * 1000000.0
else:
else: # Mitarbeiter (absolute Zahl, außer bei expliziten Einheiten)
if re.search(r'\bmrd\s*\b|\bmilliarden\s*\b|\bbillion\s*\b', original_lower): final_num_absolute = num_val * 1000000000.0
elif re.search(r'\bmio\s*\b|\bmillionen\s*\b|\bmill[.]?\s*\b', original_lower): final_num_absolute = num_val * 1000000.0
elif re.search(r'\btsd\s*\b|\btausend\s*\b', original_lower): final_num_absolute = num_val * 1000.0
# Explizite "0"-Strings wurden oben bereits zu NaN.
# Wenn final_num_absolute hier 0.0 ist, dann kam es von einer Berechnung (z.B. "0 Tsd" oder "0 Mio").
return final_num_absolute
except ValueError as e: