擅长:python、mysql、java
<p><strong>小心:慢。不适合>;10k记录或在线制作使用。</strong></p>
<p>如果要进行一些中间的数据分析步骤,还可以使用pandas<code>DataFrame()</code>构造函数</p>
<pre><code>df = pd.DataFrame(results)\
.rename(columns={"id": "unique_id", "type": "emp_type"})
print(df)
unique_id category name emp_type count
0 11 Employee Employe11 contractor NaN
1 11 Employer company1 NaN 800.0
2 11 NaN NaN NaN NaN
3 NaN NaN Employe11 NaN NaN
</code></pre>
<p>丢弃NaN项的输出(与给定的<code>resultlist</code>相同,但顺序不同)</p>
<pre><code>[sr.dropna().to_dict() for _, sr in df.iterrows()] # slow!
</code></pre>
<p>输出项:</p>
<pre><code>df.to_dict(orient="records")
</code></pre>