有一個元組串列，稱為employee_data，其中每個串列元素是一個元組，對應于一個類和一個員工可以獲得的積分。例如，
員工資料 =
[{
“名稱”：“asd”，
“姓氏”：“abc”，
“生日”：2021 年 15 月 15 日，
“出生地”：“CA”，
"live_place": "美國",
“電子郵件”：“sss.com”，
“網站”：“sss.com”，
"電話號碼": "12345678901",
"work_number": "abc",
“保存日期”：2021 年 15 月 15 日，
“開始日期”：2021 年 15 月 15 日，
“請假日期”：2021 年 15 月 15 日，
“專案”：“支持結束”，
“年齡_in_months”：256，
“年齡_in_Years”：15.3，
"計算機名": 'pc1',
“計算機_cpu”：8，
“計算機記憶體”：12，
“計算機_ssd”：256，
},
{
“名稱”：“asd”，
“姓氏”：“abc”，
“生日”：2021 年 16 月 15 日，
“出生地”：“CA”，
"live_place": "美國",
“電子郵件”：“sss.com”，
“網站”：“sss.com”，
"電話號碼": "12345678901",
"work_number": "abc",
“保存日期”：2021 年 15 月 15 日，
“開始日期”：2021 年 15 月 15 日，
“請假日期”：2021 年 15 月 15 日，
“專案”：“支持結束”，
“年齡_in_months”：256，
“年齡_in_Years”：15.3，
"計算機名": 'pc1',
“計算機_cpu”：8，
“計算機記憶體”：12，
“計算機_ssd”：256，
}]
| 嵌套字典 ID | 姓名 | 姓 | 生日 | 出生地 | 生活場所 | 電子郵件 |
|---|---|---|---|---|---|---|
| 0 | asd | 美國廣播公司 | 15/15/2021 | USA | CAD | [email protected] |
| 1 | asd2 | abc | 16/15/2021 | CAD | USA | [email protected] |
I tried this functions but couldn't fix error. Here's a link!
My issue is, this dictionary in list. I want to create nested dict for mapping datas.
[{0{"name": "asd",
"lastname": "abc",
"birthday": 15/15/2021,
"birthplace": "CA",
"live_place": "USA",
"email": "sss.com",}
1{"name": "asd2",
"lastname": "abc",
"birthday": 16/15/2021,
"birthplace": "CA",
"live_place": "USA",
"email": "sss.com",}]
if employee has same last name i want to get employee nestedDictID than i'll import all infomartion on different list and table ..
d = { x['lastname']: x['abc'] for x in employee_data}
KeyError: 'abc'
uj5u.com熱心網友回復：
您可以使用從 json 中提取的所需資料創建一個元組串列，您可以使用這些資料將其匯出到 SQL 表中。參考以下代碼：
import pandas as pd
data = [(item.get('name'), item.get('lastname'),item.get('birthday'),item.get('birthplace'), item.get('live_place'), item.get('email')) for item in employee_data]
print(data)
df = pd.DataFrame.from_records(data, columns=['name', 'lastname', 'birthday','birthplace','live_place','email']))
然后你可以df.to_sql從 pandas 使用。
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/449370.html
標籤：mysql python-3.x list 合适的视图