Nano Hash - криптовалюты, майнинг, программирование

Преобразование десятичного числа python в строку в глубоко вложенном и непредсказуемом списке

Я пытаюсь перебрать каждое значение в глубоко вложенном/смешанном списке и преобразовать любые экземпляры Decimal в строку, чтобы я мог хранить их в монго.

Моя попытка рекурсии достигла максимальной глубины. Я хотел бы решить это итеративно или в производительной манере.

Кажется, это не работает, но это моя последняя попытка:

def convert_decimals(root_obj):
    objs_to_convert = [root_obj]

    while objs_to_convert:
        obj = objs_to_convert.pop(0)
        for k, v in enumerate(obj):

            if len(v):
                objs_to_convert.append(v)
            elif isinstance(v, Decimal):
                obj[k] = str(v)

Пример ввода:

[
    {
        'Payments': {
            'Payment': Decimal('495.64'),
            'IsCapped': True,
            'OtherFees': Decimal('0'),
            'CapCostTotal': Decimal('27900'),
            'Name': 'TestData',
            'Program': {
                'ProgramName': u'AST',
                'Description': None
            },
            'Rate': Decimal('0.0254'),
            'APR': Decimal('2.54'),
            'AppliedIds': [

            ],
            'Tax': Decimal('0')
        }
    }
]

После преобразования десятичные экземпляры должны быть строками

python recursion decimal nested nested-lists
27.02.2014

  • Возможно, приведите пример ввода/вывода, даже если он слишком мал, чтобы взорвать стек. 28.02.2014
  • обновленный ответ, чтобы включить образец ввода 28.02.2014
  • Вы пытались предоставить параметр default для обработки Decimal во время json.dump? 28.02.2014
  • у меня нет. Я думал о сбросе и загрузке json перед отправкой в ​​монго. Не могли бы вы привести пример, я безуспешно пробовал метод, предложенный на странице документации по python. 28.02.2014

Ответы:


1

Чтобы преобразовать Decimal во время json.dump() с помощью параметра default:

import json
import sys
from decimal import Decimal

def default(obj):
    if isinstance(obj, Decimal):
        return str(obj)
    else:
        raise TypeError(obj)

# convert during dump
json.dump(data, sys.stdout, indent=2, default=default)

Чтобы изменить data на месте:

import json
import sys
from collections import MutableMapping, MutableSequence
from decimal import Decimal

def convert_decimal(json_data):
    stack = [json_data]
    while stack:
        json_data = stack.pop()
        if isinstance(json_data, MutableMapping): # json object
            it = json_data.items()
        elif isinstance(json_data, MutableSequence): # json array
            it = enumerate(json_data)
        else: # scalar data
            continue

        for k, v in it:
            if isinstance(v, Decimal):
                json_data[k] = str(v)
            else:
                stack.append(v)


# convert inplace
convert_decimal(data)
json.dump(data, sys.stdout, indent=2)

Оба скрипта выдают одинаковый результат:

[
  {
    "Payments": {
      "OtherFees": "0", 
      "APR": "2.54", 
      "Rate": "0.0254", 
      "IsCapped": true, 
      "Name": "TestData", 
      "Program": {
        "Description": null, 
        "ProgramName": "AST"
      }, 
      "AppliedIds": [], 
      "CapCostTotal": "27900", 
      "Tax": "0", 
      "Payment": "495.64"
    }
  }
]

Вы можете упростить convert_decimal(), если используете общую функцию get_items():

def convert_decimal(json_data):
    stack = [json_data]
    while stack:
        json_data = stack.pop()
        for k, v in get_items(json_data):
            if isinstance(v, Decimal):
                json_data[k] = str(v)
            else:
                stack.append(v)
27.02.2014

2

Вы хотите преобразовать десятичные числа в строки, но рекурсивно применить свою функцию к содержимому списков и значениям словарей, иначе вернуть объекты без изменений? Затем сделайте это:

def strip_decimals(o):
    if type(o) == Decimal:
        return str(o)
    elif type(o) == list:
        return map(strip_decimals, o)
    elif type(o) == dict:
        return dict([(k, strip_decimals(v)) for k, v in o.iteritems()])
    else:
        return o

Результат:

[{'Payments': {'APR': '2.54',
           'AppliedIds': [],
           'CapCostTotal': '27900',
           'IsCapped': True,
           'Name': 'TestData',
           'OtherFees': '0',
           'Payment': '495.64',
           'Program': {'Description': None, 'ProgramName': u'AST'},
           'Rate': '0.0254',
           'Tax': '0'}}]
27.02.2014
  • Разве это не по-прежнему будет вызывать проблемы с рекурсией, если у него действительно глубокие структуры? 28.02.2014
  • @TravisGriggs sys.setrecursionlimit(1000000) или явно сохраните свой собственный стек в файле list. 28.02.2014
    • Новые материалы
    Кластеризация: более глубокий взгляд
    Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
    Как написать эффективное резюме
    Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
    Частный метод Python: улучшение инкапсуляции и безопасности
    Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
    Как я автоматизирую тестирование с помощью Jest
    Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
    Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
    Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
    Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
    В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
    Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
    В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..