从包含产品线项目(嵌入MDX查询格式)和产品类别代码的Pandas dataframedf3pa
中,我有一个字典uni3pa
,其中产品类别代码Code
作为字典keys
,字符串列表Item
(MDX格式)作为values
uni3pa = df3pa.groupby('Code')['Item'].apply(list).to_dict()
一小撮uni3pa
:
uni3pa =
{'3PA SMARTPAY': ['[Item].[Item].[10006543 - Smartpay User Licence]',
'[Item].[Item].[10006544 - SmartPay User Licence per Site]'],
'3PA OTHER': ['[Item].[Item].[10001234 - 3rd Party App User Licence]',
'[Item].[Item].[10001235 - 3rd Party App User Licence (min 3 per site]',
'[Item].[Item].[10001236 - 3rd Party Apps Single User]']}
我追求的最终结果是,使用'+'
将每个key
中的所有值连接起来,以生成一个可以使用的MDX查询,例如:
uni3pa['3PA OTHER'] = '[Item].[Item].[10001234 - 3rd Party App User
Licence] + [Item].[Item].[10001235 - 3rd Party App User Licence (min 3 per site] +
[Item].[Item].[10001236 - 3rd Party Apps Single User]'
使用this link(我使用了许多其他方法,但这是我能找到的对本期最有帮助的方法),我能够为每个产品分组创建数组,如下所示:
array = []
for el in [' + '.join(value) for key, value in uni3pa.items()]:
array.append(el)
In [46]: array[2]
Out[46]: '[Item].[Item].[10001234 - 3rd Party App User Licence] +
[Item].[Item].[10001235 - 3rd Party App User Licence (min 3 per site] +
[Item].[Item].[10001236 - 3rd Party Apps Single User]'
#for clarity, array[2] is '3PA OTHER'
我在这里选择了数组,因为这是将所有组转换为所需格式的最简单方法。但是,有100个组,如果我能够通过组名(例如3PA OTHER
而不是array[2]
来识别它们,这将容易得多
在字典中必须有一种更简单的方法来实现这一点,这样我就可以调用uni3pa['3PA OTHER']
,并且该值是所需的格式
这是通过将列表理解改为词典理解来实现的:
相关问题 更多 >
编程相关推荐