Список фильтров на основе другого результата запроса с JMESPath - PullRequest
Новая
       7

Список фильтров на основе другого результата запроса с JMESPath

2 голосов
/ 13 января 2020

Имея объект, подобный указанному ниже: 

{
  "pick": "a",
  "elements": [
    {"id": "a", "label": "First"},
    {"id": "b", "label": "Second"}
  ]
}

как я могу получить элемент в списке elements, где id равно значению pick?

Я пытался что-то вроде: 

elements[?id == pick]

Но, очевидно, выражение справа от компаратора оценивается относительно объекта, проверяемого по моему выражению фильтра.

Как могу ли я достичь того, чего хочу? Если это невозможно из коробки, есть ли у вас какие-либо предложения о том, с чего мне начать расширять JMESPath? Спасибо!

1 Ответ

1 голос
/ 26 апреля 2020

К сожалению, JMESPath не позволяет ссылаться на родительский элемент.

Чтобы обойти это ограничение, в этом простом случае вы можете:

  • читать атрибут pick в первом запросе,
  • создать второй запрос с использованием только что прочитанного значения,
  • прочитать требуемое содержимое во втором запросе.

На самом деле, благодаря f-строкам , два последних шага могут быть выполнены в одной инструкции, поэтому код может быть: 

pck = jmespath.search('pick', dct)
jmespath.search(f'elements[?id == `{pck}`]', dct)

где dct является исходным JSON объектом.

Более сложный случай

Если у вас более сложный случай (например, много таких элементов, с различными значениями pick в в каждом случае), вам следует использовать другой инструмент.

Один довольно интересный вариант - использовать пакет Pandas.

Предположим, что ваш исходный словарь содержит: 

dct = {
  "x1": {
    "pick": "a",
    "elements": [
      {"id": "a",    "label": "First_a"},
      {"id": "b",    "label": "Second_a"},
      {"id": "c",    "label": "Third_a"}
    ]
  },
  "x2": {
    "pick": "b",
    "elements": [
      {"id": "a",    "label": "First_b"},
      {"id": "b",    "label": "Second_b"},
      {"id": "c",    "label": "Third_b"}
    ]
  }
}

Первое, что нужно сделать, - это преобразовать dct в Pandas DataFrame. : 

import pandas as pd
df = pd.DataFrame.from_dict(dct, orient='index')

Результат (напечатанный в «сокращенной» форме): 

   pick                                           elements
x1    a  [{'id': 'a', 'label': 'First_a'}, {'id': 'b', ...
x2    b  [{'id': 'a', 'label': 'First_b'}, {'id': 'b', ...

Описание (если у вас нет опыта в Pandas) :

  • x1 , x2 , ... - столбец индекса - значения, взятые с клавиш первого уровня в dct .
  • выбор - колонка с (не удивительно) выбор элементов,
  • элементы - столбец с элементами (на данный момент каждая ячейка содержит весь список).

Эта форма не очень полезна, поэтому давайте взорвем элементов столбец: 

df = df.explode('elements')

Теперь df содержит: 

   pick                          elements
x1    a   {'id': 'a', 'label': 'First_a'}
x1    a  {'id': 'b', 'label': 'Second_a'}
x1    a   {'id': 'c', 'label': 'Third_a'}
x2    b   {'id': 'a', 'label': 'First_b'}
x2    b  {'id': 'b', 'label': 'Second_b'}
x2    b   {'id': 'c', 'label': 'Third_b'}

Эта форма ближе к тому, что нам нужно: каждая исходная строка была разбита на пару строк, каждая с отделить элемент от начального списка.

Еще одна вещь, которую нужно сделать, - это создать столбец, содержащий значения id , чтобы потом сравнивать его с pick столбец. Для этого выполните: 

df['id'] = df.elements.apply(lambda dct: dct['id'])

Сейчас df содержит: 

   pick                          elements id
x1    a   {'id': 'a', 'label': 'First_a'}  a
x1    a  {'id': 'b', 'label': 'Second_a'}  b
x1    a   {'id': 'c', 'label': 'Third_a'}  c
x2    b   {'id': 'a', 'label': 'First_b'}  a
x2    b  {'id': 'b', 'label': 'Second_b'}  b
x2    b   {'id': 'c', 'label': 'Third_b'}  c

И для получения окончательного результата вам необходимо:

  • выберите строки с помощью выберите столбец == id ,
  • возьмите только элементы столбец (вместе с ключевым столбцом, но эта деталь Pandas дает вам только что из коробки).

Код для этого: 

df.query('pick == id').elements

давая: 

x1     {'id': 'a', 'label': 'First_a'}
x2    {'id': 'b', 'label': 'Second_b'}

На языке Pandas это Series (скажем, список с каждым элементом, «помеченным» индексом.

Теперь вы можете преобразовать его в словарь или все, что вы будете sh.

...