معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Maps hierarchical dictionaries to flat structures

ویژگی	مقدار
سیستم عامل	-
نام فایل	dictmapper-0.1dev
نام	dictmapper
نسخه کتابخانه	0.1dev
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Reshef Mann
ایمیل نویسنده	reshef.mann@gmail.com
آدرس صفحه اصلی	http://reshefmann.com
آدرس اینترنتی	https://pypi.org/project/dictmapper/
مجوز	MIT

dictmapper ============= dictmapper was created to help transforming a sequence of python dictionaries to tabular format and specifically to transform json documents to be exported in csv fromat. Usage ------ Create a mapper: :: from dictmapper import Mapper, Mapping class UserMapper(Mapper): user_id = Mapping('user_id') email = Mapping('email') Name = Mapping(lambda u: '%s %s' % (u['first_name'], u['last_name']), name='User Name') nickname = Mapping('nickname', default='N/A') street = Mapping('address/street') city = Mapping('address/city') joined_at = Mapping('joined_at', transform=lambda d: d.strftime('%Y-%m-%d')) Sample input: :: users_docs = [ { 'user_id': '1000001', 'first_name': 'Test', 'last_name': 'User', 'email': 'user@test.com', 'address': { 'street': 'Example Road', 'city': 'Emerald City', }, 'joined_at': datetime.now(), }, { 'user_id': '1000002', 'first_name': 'Example', 'last_name': 'Member', 'nickname': 'exampy', 'email': 'example@member.com', 'address': { 'street': 'Sample Road', 'city': 'Emerald City', }, 'joined_at': datetime.now(), } ] Output: :: >>> mapper = UserMapper() >>> mapper.headers() ['User id', 'Email', 'Name', 'Nickname', 'Street', 'City', 'Joined at'] >>> res = mapper.map(users_docs) >>> res [['1000001', 'user@test.com', 'Test User', 'N/A', 'Example Road', 'Emerald City', '2012-03-18'], ['1000002', 'example@member.com', 'Example Member', 'exampy', 'Sample Road', 'Emerald City', '2012-03-18']] Export to csv -------------- I recommend using the excellent `tablib`_: :: import tablib data = tablib.Dataset(*res, headers=mapper.headers()) data.csv .. _tablib : http://github.com/kennethreitz/tablib

نحوه نصب

نصب پکیج whl dictmapper-0.1dev:

pip install dictmapper-0.1dev.whl

نصب پکیج tar.gz dictmapper-0.1dev:

pip install dictmapper-0.1dev.tar.gz