Python中文网 - 问答频道, 解决您学习工作中的Python难题和Bug
Python常见问题
实际上，我希望用python优化我的代码。我点击我的ES（弹性搜索）并得到json响应，现在我迭代json响应并将它们存储为列表，将它们作为列附加到dataframe中
unmtchd_ESdata={"Response from Elastic seaach"}
for i in range(len(unmtchd_ESdata['aggregations']['filtered']['POSCode']['buckets'])):
list6.append(unmtchd_ESdata['avg'])
list7.append(unmtchd_ESdata['key'])
....
....
mkt_df=pd.DataFrame()
mkt_df["market_avg_total_sales_count"]=dict6
mkt_df["pos_code"]=dict7
...
....
最后，结果将具有mktèu df dataframe，所有列都将按照列表中所附加内容的顺序赋值。如果一个列表假设list6附加了像[01200000129009803003]这样的值，那么它将以数据格式以下面的形式出现，其余的也同样适用
market_avg_total_sales_count pos_code
0 329.75 01200000129
1 15.00 00980030003
现在我的问题是我读了太多的变量，我想把它们作为数据帧的值，显然有N个列表使我的程序高效，因为所有这些操作都在内存中。 关于如何以更少的空间和时间复杂度复制这样的场景有什么建议吗
编辑： 在此处添加我的json结构：
{
"took": 28,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped": 0,
"failed": 0
},
"hits": {
"total": 12170,
"max_score": 0,
"hits": []
},
"aggregations": {
"filtered": {
"doc_count": 5,
"POSCode": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "01200000129",
"doc_count": 4,
"POSCodeModifier": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "0",
"doc_count": 4,
"CSP": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "5555",
"doc_count": 4,
"per_stock": {
"buckets": [
{
"key_as_string": "2018-02-26",
"key": 1519603200000,
"doc_count": 0,
"avg_week_qty_sales": {
"value": 0
}
},
{
"key_as_string": "2018-03-05",
"key": 1520208000000,
"doc_count": 1,
"avg_week_qty_sales": {
"value": 10
}
},
{
"key_as_string": "2018-03-12",
"key": 1520812800000,
"doc_count": 1,
"avg_week_qty_sales": {
"value": 300
}
},
{
"key_as_string": "2018-03-19",
"key": 1521417600000,
"doc_count": 1,
"avg_week_qty_sales": {
"value": 1000
}
},
{
"key_as_string": "2018-03-26",
"key": 1522022400000,
"doc_count": 1,
"avg_week_qty_sales": {
"value": 9
}
}
]
},
"market_week_metrics": {
"count": 4,
"min": 9,
"max": 1000,
"avg": 329.75,
"sum": 1319,
"sum_of_squares": 1090181,
"variance": 163810.1875,
"std_deviation": 404.7347124969639,
"std_deviation_bounds": {
"upper": 1139.2194249939278,
"lower": -479.71942499392776
}
}
}
]
}
}
]
}
},
{
"key": "00980030003",
"doc_count": 1,
"POSCodeModifier": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "0",
"doc_count": 1,
"CSP": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "5555",
"doc_count": 1,
"per_stock": {
"buckets": [
{
"key_as_string": "2018-02-26",
"key": 1519603200000,
"doc_count": 0,
"avg_week_qty_sales": {
"value": 0
}
},
{
"key_as_string": "2018-03-05",
"key": 1520208000000,
"doc_count": 1,
"avg_week_qty_sales": {
"value": 15
}
},
{
"key_as_string": "2018-03-12",
"key": 1520812800000,
"doc_count": 0,
"avg_week_qty_sales": {
"value": 0
}
},
{
"key_as_string": "2018-03-19",
"key": 1521417600000,
"doc_count": 0,
"avg_week_qty_sales": {
"value": 0
}
},
{
"key_as_string": "2018-03-26",
"key": 1522022400000,
"doc_count": 0,
"avg_week_qty_sales": {
"value": 0
}
}
]
},
"market_week_metrics": {
"count": 1,
"min": 15,
"max": 15,
"avg": 15,
"sum": 15,
"sum_of_squares": 225,
"variance": 0,
"std_deviation": 0,
"std_deviation_bounds": {
"upper": 15,
"lower": 15
}
}
}
]
}
}
]
}
}
]
}
}
}
}
我试图获取的值
for i in range(len(unmtchd_ESdata['aggregations']['filtered']['POSCode']['buckets'])):
list6.append(unmtchd_ESdata['aggregations']['filtered']['POSCode']['buckets'][i]['POSCodeModifier']['buckets'][0]['CSP']['buckets'][0]['market_week_metrics']['avg'])
list7.append(unmtchd_ESdata['aggregations']['filtered']['POSCode']['buckets'][i]['key'])
list8.append(unmtchd_ESdata['aggregations']['filtered']['POSCode']['buckets'][i]['POSCodeModifier']['buckets'][0]['CSP']['buckets'][0]['market_week_metrics']['max']-unmtchd_ESdata['aggregations']['filtered']['POSCode']['buckets'][i]['POSCodeModifier']['buckets'][0]['CSP']['buckets'][0]['market_week_metrics']['min'])
list9.append(unmtchd_ESdata['aggregations']['filtered']['POSCode']['buckets'][i]['POSCodeModifier']['buckets'][0]['CSP']['buckets'][0]['market_week_metrics']['max'])
list10.append(unmtchd_ESdata['aggregations']['filtered']['POSCode']['buckets'][i]['POSCodeModifier']['buckets'][0]['CSP']['buckets'][0]['market_week_metrics']['min'])
Tags： keystringdocvalueascountfilteredavg
热门问题
- 使用Python创建一个非常大的二进制频率矩阵来运行协作过滤
- 使用Python创建一张HTML网页，其中在不同颜色中重复n遍显示“Hello World”的方法
- 使用Python创建一组唯一的值length L
- 使用python创建不同表格的透视表
- 使用python创建不和谐频道
- 使用python创建不存在的多个文件夹
- 使用python创建串行远程文件
- 使用python创建交互式仪表板时出现问题
- 使用python创建交互式绘图
- 使用python创建交互式自动电子邮件
- 使用Python创建价格列表
- 使用python创建修改的txt文件
- 使用Python创建全局变量，初始化后更改值
- 使用Python创建关键字搜索词数组
- 使用Python创建具有不均匀块大小/堆叠条形图的热图
- 使用Python创建具有依赖于另一列的值的列
- 使用Python创建具有多列的HTML表
- 使用Python创建具有时间范围数据的等距数据帧
- 使用Python创建具有特定顺序或属性的XML文件
- 使用Python创建具有级联功能的搜索栏
热门文章
- Python覆盖写入文件
- 怎样创建一个 Python 列表？
- Python3 List append()方法使用
- 派森语言
- Python List pop()方法
- Python Django Web典型模块开发实战
- Python input() 函数
- Python3 列表(list) clear()方法
- Python游戏编程入门
- 如何创建一个空的set?
- python如何定义(创建)一个字符串
- Python标准库 [The Python Standard Library by Ex
- Python网络数据爬取及分析从入门到精通（分析篇）
- Python3 for 循环语句
- Python List insert() 方法
- Python 字典(Dictionary) update()方法
- Python编程无师自通 专业程序员的养成
- Python3 List count()方法
- Python 网络爬虫实战 [Web Crawler With Python]
- Python Cookbook（第2版）中文版
您可以只创建一个列表并附加一个具有
ndim的元组，其中n是每次迭代的列数，例如：结果：
将其传递给数据帧会得到：
试着让它适应你的解决方案。你知道吗
相关问题 更多 >
编程相关推荐