python - 如何从具有默认值的字符串列表中解析(可能未知的)键/值对？

Question

我在包含数据库设置的 Pandas DataFrame 中有一个字符串列，我想将键/值对转换为 DataFrame 中的新列，用 True 填充任何缺失值.

这是其中一个字符串的样子:

Status=ONLINE, Updateability=READ_WRITE, UserAccess=MULTI_USER, Recovery=SIMPLE, Version=706, Collation=SQL_Latin1_General_CP1_CI_AS, SQLSortOrder=52, IsAutoCreateStatistics, IsAutoUpdateStatistics, IsFullTextEnabled

我希望输出看起来像这样:

| Status | Updateability | UserAccess | Recovery | Version | Collation                    | SQLSortOrder | IsAutoCreateStatistics | IsAutoUpdateStatistics | IsFullTextEnabled |
| ONLINE | READ_WRITE    | MULTI_USER | SIMPLE   | 706     | SQL_Latin1_General_CP1_CI_AS | 52           | True                   | True                   | True              |

我尝试遍历行，用 re.sub 解析字符串和 split() ，这让我进入了 key=value 之后的设置的键/值对格式。我对已知的 bool 键进行了硬编码(如下面的代码所示)，但我希望对未知的 bool 值进行这项工作。

我现在遇到的问题是将特定键/值对的结果回滚到它应该进入的正确列/行。

import re

_status = ['Status=ONLINE, Updateability=READ_WRITE, UserAccess=MULTI_USER, Recovery=SIMPLE, Version=706, Collation=SQL_Latin1_General_CP1_CI_AS, SQLSortOrder=52, IsAutoCreateStatistics, IsAutoUpdateStatistics, IsFullTextEnabled', 'Status=OFFLINE, Updateability=READ, UserAccess=SINGLE_USER, Recovery=SIMPLE, Version=706, Collation=SQL_Latin1_General_CP1_CI_AS, SQLSortOrder=53, IsAutoCreateStatistics, IsAutoUpdateStatistics, IsTornPageDetectionEnabled']

_status = [re.sub('IsAutoCreateStatistics', 'IsAutoCreateStatistics=True', _s) for _s in _status]
_status = [re.sub('IsAutoUpdateStatistics', 'IsAutoUpdateStatistics=True', _s) for _s in _status]
_status = [re.sub('IsFullTextEnabled', 'IsFullTextEnabled=True', _s) for _s in _status]
_status = [re.sub('IsTornPageDetectionEnabled', 'IsTornPageDetectionEnabled=True', _s) for _s in _status]

_rows = []

for _row in _status:
    _kvs = []
    for _kv in _row.split(','):
        _key, _val = _kv.split('=')
        _d = {_key.strip(): _val.strip()}
        _kvs.append(_d)
    _rows.append(_kvs)

_rows

让我兴奋的是:

[[{'Status': 'ONLINE'},
  {'Updateability': 'READ_WRITE'},
  {'UserAccess': 'MULTI_USER'},
  {'Recovery': 'SIMPLE'},
  {'Version': '706'},
  {'Collation': 'SQL_Latin1_General_CP1_CI_AS'},
  {'SQLSortOrder': '52'},
  {'IsAutoCreateStatistics': 'True'},
  {'IsAutoUpdateStatistics': 'True'},
  {'IsFullTextEnabled': 'True'}],
 [{'Status': 'OFFLINE'},
  {'Updateability': 'READ'},
  {'UserAccess': 'SINGLE_USER'},
  {'Recovery': 'SIMPLE'},
  {'Version': '706'},
  {'Collation': 'SQL_Latin1_General_CP1_CI_AS'},
  {'SQLSortOrder': '53'},
  {'IsAutoCreateStatistics': 'True'},
  {'IsAutoUpdateStatistics': 'True'},
  {'IsTornPageDetectionEnabled': 'True'}]]

这是迄今为止我想出的最好的办法，看起来我已经很接近了，但我确信还有更多的 Pythonic 方法可以做到这一点。

Answer 1

您可以使用 str.partition 进行简化，不需要任何正则表达式，只需拆分字符串即可:

s = "Status=ONLINE, Updateability=READ_WRITE, UserAccess=MULTI_USER, Recovery=SIMPLE, Version=706, Collation=SQL_Latin1_General_CP1_CI_AS, SQLSortOrder=52, IsAutoCreateStatistics, IsAutoUpdateStatistics, IsFullTextEnabled"

def repl(s):
    for sub in s.split(", "):
        k, _, v = sub.partition("=")
        yield (k, v) if v else (k, "True")

在 = 上分割后的任何子字符串对于 v 有一个空字符串意味着我们没有配对，所以我们不需要也不关心任何先验知识潜在 key :

In [9]: s = "Status=ONLINE, Updateability=READ_WRITE, UserAccess=MULTI_USER, Recovery=SIMPLE, Version=706, Collation=SQL_Latin1_General_CP1_CI_AS, SQLSortOrder=52, IsAutoCreateStatistics, IsAutoUpdateStatistics, IsFullTextEnabled"

In [10]: dict(repl(s))
Out[10]: 
{'Collation': 'SQL_Latin1_General_CP1_CI_AS',
 'IsAutoCreateStatistics': 'True',
 'IsAutoUpdateStatistics': 'True',
 'IsFullTextEnabled': 'True',
 'Recovery': 'SIMPLE',
 'SQLSortOrder': '52',
 'Status': 'ONLINE',
 'Updateability': 'READ_WRITE',
 'UserAccess': 'MULTI_USER',
 'Version': '706'}

此外，如果空格可能不存在，您可以在 "," 上拆分并去除空格或使用 csv lib settin skipinitialspace=True 将处理 "foo, bar" 和 "foo,bar":

from csv import reader
from itertools import chain

def repl(s):
    for sub in chain(*reader([s], skipinitialspace=True)):
        k, _, v = sub.partition("=")
        yield (k, v) if v else (k, "True")


print(dict(repl(s)))

如果你只是想创建一个新的 df 并且所有的键都相同:

from csv import reader
from itertools import chain
import pandas as pd

def repl(s):
    d = {}
    for sub in chain(*reader([s], skipinitialspace=True)):
        k, _, v = sub.partition("=")
        d[k] = v if v else "True"
    return d




df =  pd.DataFrame.from_records(map(repl ,status))

print(df)

但是根据讨论，如果您稍后看到一个您在第一个字典中没有看到的键，您将得到 nan 因为行值不是 True