用python代码分析拖延行为

以下是一个简单的Python代码示例，演示如何通过记录用户的操作时间来分析拖延行为：

import datetime

# 模拟用户的操作时间
actions = [
    {'action': '打开软件', 'time': datetime.datetime(2022, 1, 1, 9, 0, 0)},
    {'action': '查看任务1', 'time': datetime.datetime(2022, 1, 1, 9, 5, 0)},
    {'action': '完成任务1', 'time': datetime.datetime(2022, 1, 1, 10, 0, 0)},
    {'action': '查看任务2', 'time': datetime.datetime(2022, 1, 1, 10, 5, 0)},
    {'action': '完成任务2', 'time': datetime.datetime(2022, 1, 1, 11, 0, 0)},
    {'action': '查看任务3', 'time': datetime.datetime(2022, 1, 1, 11, 5, 0)},
    {'action': '完成任务3', 'time': datetime.datetime(2022, 1, 1, 12, 0, 0)},
]

# 计算任务完成时间和拖延时间
total_time = actions[-1]['time'] - actions[0]['time']
completed_time = 0
delayed_time = datetime.timedelta(0)
for i in range(1, len(actions), 2):
    task_time = actions[i+1]['time'] - actions[i]['time']
    completed_time += task_time
    if task_time > datetime.timedelta(minutes=30):
        # 如果任务时间大于30分钟，则认为存在拖延行为
        delayed_time += task_time - datetime.timedelta(minutes=30)

# 输出结果
print(f'总时间：{total_time}')
print(f'完成任务时间：{completed_time}')
print(f'拖延时间：{delayed_time}')

以上代码假设用户完成每个任务的时间都不超过30分钟，如果超过了30分钟则认为存在拖延行为。实际应用中需要根据具体情况进行调整。