从ordereddict变量数据估计float string int类型和长度

时间:2014-02-07 04:14:46

标签: python variables dictionary fiona

好的,这是一个奇怪的问题。使用fiona(gis),它将orderdict列表作为数据和模式的输入。 Schema告诉fiona变量的名称,并根据fiona输入类型。加入后数据在熊猫中。我可以在有序字典或列表中输出数据。但是从那里如何判断使用自动化估计fiona的数据类型的长度。在messeytables中有这样的东西,但它适用于csv,似乎不是一个好的开始方式。这是一个有序的例子,但有很多数据。我正在使用fiona来做它擅长的GIS东西。

这是python映射

'date': <class 'fiona.rfc3339.FionaDateType'>,
'datetime': <class 'fiona.rfc3339.FionaDateTimeType'>,
'float': <type 'float'>,
'int': <type 'int'>,
'str': <type 'unicode'>,
'time': <class 'fiona.rfc3339.FionaTimeType'>}

这样的架构看起来也可以是一个列表

OrderedDict([(u'scalerank','int:4'),(u'featurecla','str:30'),(u'labelrank','float:16.6'),(u'sovereignt' ,'str:254'),(u'sov_a3','str:254'),(u'adm0_dif','float:16.6'),(u'level','float:16.6'),(u'输入','str:254'),(u'admin','str:254'),(u'adm0_a3','str:254'),(u'geou_dif','float:16.6'),( u'geounit','str:254'),(u'gu_a3','str:254'),(u'su_dif','float:16.6'),(u'subunit','str:254') ,(u'su_a3','str:254'),(u'brk_diff','float:16.6'),(u'name','str:254'),(u'name_long','str:254 '),(u'brk_a3','str:254'),(u'brk_name','str:254'),(u'brk_group','str:254'),(u'abbrev','str :254'),(u'postal','str:254'),(u'formal_en','str:254'),(u'formal_fr','str:254'),(u'note_adm0', 'str:254'),(u'note_brk','str:254'),(u'name_sort','str:254'),(u'name_alt','str:254'),(u'mapcolor7 ',''浮动:16.6'),(u'mapcolor8','浮动:16.6'),(u'mapcolor9','浮动:16.6'),(u'mapcolor13','浮动:16.6'),(u 'pop_est','float:16.6'),(u'gdp_md_est','float:16.6'),(u'pop_year','float:16.6'),( u'lastise','float:16.6'),(u'gdp_year','float:16.6'),(u'economy','str:254'),(u'income_grp','str:254') ,(u'wikipedia','float:16.6'),(u'fips_10','str:254'),(u'iso_a2','str:254'),(u'iso_a3','str:254 '),(u'iso_n3','str:254'),(u'un_a3','str:254'),(u'wb_a2','str:254'),(u'wb_a3','str :254'),(u'woe_id','float:16.6'),(u'adm0_a3_is','str:254'),(u'adm0_a3_us','str:254'),(u'adm0_a3_un', 'float:16.6'),(u'adm0_a3_wb','float:16.6'),(u'continent','str:254'),(u'region_un','str:254'),(你的子区域) ','str:254'),(u'region_wb','str:254'),(u'name_len','float:16.6'),(u'long_len','float:16.6'),(u 'abbrev_len','float:16.6'),(u'tiny','float:16.6'),(u'homepart','float:16.6')])

pandas输出到ordereddict OrderedDict([(u'scalerank',1),(u'featurecla',u'Admin-0 map subunit'),(u'labelrank',3.0),(u'sovereignt',u'Angola'),( u'sov_a3',u'AGO'),(u'adm0_dif',0.0),(u'level',2.0),(u'type',u'overeign country'),(u'admin',u'安哥拉'),(u'adm0_a3',u'AGO'),(u'geou_dif',0.0),(u'geounit',u'Angola'),(u'gu_a3',u'AGO'),( u'su_dif',0.0),(u'subunit',u'Angola'),(u'su_a3',u'AGO'),(u'brk_diff',0.0),(u'name',u'Angola '),(u'name_long',u'Angola'),(u'brk_a3',u'AGO'),(u'brk_name',u'Angola'),(u'brk_group',无),(u 'abbrev',u'Ang。'),(u'postal',u'AO'),(u'formal_en',u“安哥拉人民共和国”),(u'formal_fr',无),(u' note_adm0',无),(u'note_brk',无),(u'name_sort',u'Angola'),(u'name_alt',无),(u'mapcolor7',3.0),(u'mapcolor8' ,2.0),(u'mapcolor9',6.0),(u'mapcolor13',1.0),(u'pop_est',12799293.0),(u'gdp_md_est',110300.0)

0 个答案:

没有答案