任务是将字段从一个数据集映射到另一个,某些字段需要一些额外的解析/计算。
(在下面提供的示例中,我仅使用了几个字段,但原始数据集中还有很多字段。)
起初,我虽然将dict用于字段映射,但只是将函数分配给需要其他数据操作的键:
import base64
import hashlib
import json
from datetime import datetime
def str2base64(event):
md5 = hashlib.md5(event['id'].encode())
return base64.b64encode(md5.digest())
def ts2iso(event):
dt = datetime.fromtimestamp(event['timestamp'])
return dt.isoformat()
MAPPINGS = {
'id': id2hash,
'region': 'site',
'target': 'host',
'since': ts2iso
}
def parser(event):
new = dict()
for k, v in MAPPINGS.items():
if callable(v):
value = v(event)
else:
value = event.get(v)
new[k] = value
return new
def main():
for event in events: # dicts
event = parser(event)
print(json.dumps(event, indent=2))
if __name__ == '__main__':
main()
我不喜欢必须在顶部添加所有解析函数的事实,这样MAPPING字典才能看到它,而且我不确定这是否是最佳方法吗?另外,我看不到在dict.get
函数中将默认值传递给parser
的简便方法。
import base64
import hashlib
import json
from datetime import datetime
class Event(object):
def __init__(self, event):
self.event = event
@property
def id(self):
md5 = hashlib.md5(self.event['id'].encode())
return base64.b64encode(md5.digest())
@property
def region(self):
return self.event['site']
@property
def target(self):
return self.event['host']
@property
def since(self):
dt = datetime.fromtimestamp(self.event['timestamp'])
return dt.isoformat()
def data(self):
return {
attr: getattr(self, attr)
for attr in dir(self)
if not attr.startswith('__') and attr not in ['event', 'data']
}
def main():
for event in events: # dicts
event = Event(event).data()
print(json.dumps(event, indent=2))
if __name__ == '__main__':
main()
我确定有更好的方法来获取所有属性(仅适用于财产方法),以避免这种丑陋的data
方法?我还想避免在相关方法中添加前缀,以便随后可以使用str.startswith
或类似方法对其进行过滤。
此任务的最佳方法是什么?我还从functools看过@functools.singledispatch,但我认为在这种情况下它不会有帮助。
答案 0 :(得分:3)
我认为您的第一种方法很有道理,并且,如果这对您很重要,则其性能将比OO方法好得多。万一您需要处理大量事件,将dict
转换为object
肯定会占用大量CPU。我发现它也非常明确。
在面向对象的方法中,您将dict
转换为object
一无是处。拥有object
没有任何好处,因为您稍后要做的就是将其转换为JSON(除非您编写JSON编码器,否则您无法使用自定义类进行此操作)。
这就是为什么我会选择第一个选项的原因,我会对其进行如下修改:
class SimpleConverter:
def __init__(self, key, default=None):
self.key = key
self.default = default
def __call__(self, event):
return event.get(self.key, self.default)
class TimestampToISO:
def __init__(self, key):
self.key = key
def __call__(self, event):
dt = datetime.fromtimestamp(event[self.key])
return dt.isoformat()
class StringToBase64:
def __init__(self, key):
self.key = key
def __call__(self, event):
md5 = hashlib.md5(event[self.key].encode())
return base64.b64encode(md5.digest()).decode() ## Without .decode() for Python2
def transform_event(event, mapping):
return {key: convert(event) for key, convert in mapping.items()}
def main(events, mapping):
for event in events: # dicts
event = transform_event(event, mapping)
print(json.dumps(event, indent=2))
if __name__ == '__main__':
mapping = {
'id': StringToBase64("id"),
'region': SimpleConverter("site"),
'target': SimpleConverter("region"),
'with_default': SimpleConverter("missing_key", "Not missing!"),
'since': TimestampToISO("timestamp"),
}
events = [
{
'id': 'test',
'site': 'X',
'host': 'Y',
'timestamp': 1582408754.5111449,
}
]
main(events, mapping)
哪个输出:
{
"id": "CY9rzUYh03PK3k6DJie09g==",
"region": "X",
"target": null,
"with_default": "Not missing!",
"since": "2020-02-22T22:59:14.511145"
}
请注意,使用此解决方案如何将所有转换器类重用于不同的事件键,而这对于纯函数而言是不可能的。
答案 1 :(得分:2)
这是一个很酷的问题,但是我觉得解决方案的代码太重了:
MAPPINGS = {
'id': id2hash,
'region': ('site', 'default_region'),
'target': ('host', 'default_target'),
'since': ts2iso
}
# Unpack tuple if action is not callable. Equivalent to event.get(action[0], action[1])
mapped_event = [
{key: action(event) if callable(action) else event.get(*action)
for key, action in mapping} for event in events]
此解决方案可以完全实现您的第一种方法,但是所用的行数要少得多。我同意这是相当难以理解的,因此可以随意重用您想要的部分(也许在单独的函数中具有dict理解,并在list comp中调用它。)
如果要在映射中为'target': 'host'
之类的键表示的内容是:event.get('target', 'host')
,则理解将变为:
mapped_event = [
{key: action(event) if callable(action) else event.get(key, action)
for key, action in mapping} for event in events]
答案 2 :(得分:0)
我喜欢@matino的答案,但是我想提出一些相关的观点:
我认为您的第一种方法很有意义,如果可以的话 对您来说很重要,它的性能将比OO方法好得多。在 如果您需要处理大量事件,请将字典转换为 一个对象肯定会占用大量CPU。
您的解决方案还使用对象,而单个事件实际上使用了几个对象?!
在OO方法中,您将毫无疑问地从dict转换为object。 拥有对象没有任何好处,因为稍后您要做的所有事情 正在将其转换为JSON(您无法使用自定义类 除非您编写JSON编码器)。
同样,您的解决方案还创建了(许多)对象,并且由于某些字段默认为None
或True
/ False
,我们实际上创建了一个对象,只是为了获得一个dict
中的值:
mapping = {
...
'example': SimpleConverter(None, True),
...
}
为了使布尔值能够正常工作,我不得不像这样修改transform_event
函数:
def transform_event(event, mapping):
new = dict()
for key, value in mapping.items():
if callable(value):
value = value(event)
new[key] = value
return new
字段示例:
mapping = {
...
'example': True,
...
}
因此,现在我们有了一个mapping
字典,该函数可以转换字段和每次转换的一些类...
在研究您的解决方案时,我决定改进Event
类。我进行了迭代,因此很容易将其转换为dict,json等。
class Event(object):
__slots__ = ('event', 'fields')
def __init__(self, event):
self.event = event
self.fields = [
'id',
'region',
'target',
'since',
]
def __iter__(self):
return (self._get(f) for f in self.fields)
@property
def id(self):
md5 = hashlib.md5(self.event['id'].encode())
return base64.b64encode(md5.digest())
@property
def region(self):
return self.event['site']
@property
def target(self):
return self.event['host']
@property
def since(self):
dt = datetime.fromtimestamp(self.event['timestamp'])
return dt.isoformat()
def _get(self, field):
try:
return getattr(self, field)
except AttributeError:
return self.event.get(field)
def asdict(self):
return dict(zip(self.fields, self))
因此,我们将所有数据保存在一个易于扩展的对象中,我们具有不变的属性(属性)等。