Question

我有一个复杂的定价数据，比如树状结构

示例将类似于计算机价格（显示器价格，主板价格等），在显示器类别中我有更多的子类别，在这些子类别下我有更多的类别（显示器是27英寸，由戴尔制作，这是弯曲的）

我需要经常阅读这些定价信息（只读）数千次。

我想用class来存储这些信息。因为我不知道我是否可以在词典中做到这一点。有人有建议吗？

Answer 1

Mongodb肯定是一个很好的可能性，但在你的情况下，只有50个条目只读它可能是一种矫枉过正，特别是因为你需要熟悉如何进行查询。

更快捷的方式很可能是通过pandas：使用嵌套字典，最好创建一个输入JSON文件或字符串（如下例所示），然后在做一个pandas数据帧中读取它。

然后您可以按照自己的方式对其进行标准化，并在熊猫中进行必要的计算，您可以更快地学习：

这是一个如何看起来像的例子： http://pandas.pydata.org/pandas-docs/version/0.17.0/generated/pandas.io.json.json_normalize.html

>>> data = [{'state': 'Florida',
...          'shortname': 'FL',
...          'info': {
...               'governor': 'Rick Scott'
...          },
...          'counties': [{'name': 'Dade', 'population': 12345},
...                      {'name': 'Broward', 'population': 40000},
...                      {'name': 'Palm Beach', 'population': 60000}]},
...         {'state': 'Ohio',
...          'shortname': 'OH',
...          'info': {
...               'governor': 'John Kasich'
...          },
...          'counties': [{'name': 'Summit', 'population': 1234},
...                       {'name': 'Cuyahoga', 'population': 1337}]}]
>>> from pandas.io.json import json_normalize
>>> result = json_normalize(data, 'counties', ['state', 'shortname',
...                                           ['info', 'governor']])
>>> result
         name  population info.governor    state shortname
0        Dade       12345    Rick Scott  Florida        FL
1     Broward       40000    Rick Scott  Florida        FL
2  Palm Beach       60000    Rick Scott  Florida        FL
3      Summit        1234   John Kasich     Ohio        OH
4    Cuyahoga        1337   John Kasich     Ohio        OH

对于上述数据框，您可以轻松获得所有短名称=='FL'的条目的总和，如下所示：

sum_of_fl_population = result[result['shortname']=='FL'].population.sum()
Out[11]: 112345

查看此链接，了解如何处理pandas数据帧。这可能是解决问题的最佳方法。 http://pandas.pydata.org/pandas-docs/stable/10min.html

Answer 2

我认为存储这些数据的好方法可能是拥有一个计算机对象，它可以有成员变量，如主板，监视器等。

然后，您可以拥有一个包含映射到计算机对象的唯一ID的字典。所以你可以有类似的东西

    computers.get('12345').getMotherBoard().getMake()
    computers.get('45678').getMonitor().getScreenResolution()
    computers.get('54342').getRam().getPrice()

Answer 3

寻找大数据。

将ElasticSearch，MongoDB，CouchDB或其他许多内容（我猜）放入您的堆栈中，并将每个产品存储为文档，从而使您的基础变得扁平化。

为每种类型的文档创建一个索引（一个用于计算机屏幕，一个用于主板，......），基本上每个类型的对象有一个索引，它们共享相同的属性，您可以随时使用。

对于有关育儿的弹性搜索： https://www.elastic.co/guide/en/elasticsearch/guide/2.x/parent-child.html https://www.elastic.co/guide/en/elasticsearch/guide/2.x/parent-child-mapping.html

我相信这比SQL快，也许更容易使用。但是有一个缺点，没有多少框架允许您使用这样的“新”数据库。虽然为了更好地知道有带ORM的映射器

python数据结构建议？

3 个答案: