如何将 Python JSON 从数据帧转换为 API 调用字符串

Question

我的脚本使用 pandas 从 Excel 文件中读取参数。

1. 代码首先从一个 excel 文件中读取并创建一个DataFrame、df。
2. df 在 df['Team'] == 'IT' 上过滤。
3. 过滤后的df 转换为 JSON 以获取所有参数和值。

这是代码：

import pandas as pd
import json

loc = "excel.xlsx"
df = pd.read_excel(loc)

# "Team" is filtered by 'IT'
rslt_df = df[df["Team"] == 'IT'] 

# Encoding a DataFrame using "columns" formatted JSON
result = rslt_df.to_json(orient="columns")

# Parse json results
parsed = json.loads(result)

df 输出使用"IT" 过滤"Team"

   StartDate    EndDate startTime   endTime      Team   RotationID     Users
0 2021-04-01 2021-04-02  17:00:00  01:00:00      IT     081435f       john@dotdansh.io
2 2021-04-02 2021-04-03  17:00:00  01:00:00      IT     081435f       paul@dotdansh.io
4 2021-04-03 2021-04-04  17:00:00  01:00:00      IT     081435f       danny@dotdansh.io
6 2021-04-04 2021-04-05  17:00:00  01:00:00      IT     081435f       ben@dotdansh.io

使用 'columns' 数据结构过滤的 df 的 JSON 输出：

{
    "StartDate": {"0": "2021-04-01", "2": "2021-04-02", "4": "2021-04-03", "6": "2021-04-04"},
    "EndDate": {"0": "2021-04-02", "2": "2021-04-03", "4": "2021-04-04", "6": "2021-04-05"},
    "startTime": {"0": "17:00:00", "2": "17:00:00", "4": "17:00:00", "6": "17:00:00"},
    "endTime": {"0": "01:00:00", "2": "01:00:00", "4": "01:00:00", "6": "01:00:00"},
    "Team": {"0": "IT", "2": "IT", "4": "IT", "6": "IT"},
    "RotationID": {"0": "081435f", "2": "081435f", "4": "081435f", "6": "081435f"},
    "User": {"0": "john@dotdansh.io", "2": "paul@dotdansh.io", "4": "danny@dotdansh.io", "6": "ben@dotdansh.io"}
}

我需要使用从下面的 JSON 接收的参数创建一个 API PATCH 请求。 请注意，值可以不同，值的计数也可以不同。

这是API补丁调用的数据字符串，需要的参数：

import requests

headers = {
    'Authorization': 'Key <myKey>',
    'Content-Type': 'application/json',
}
data = ' { "name": "<Team>", "startDate": "<first_startDate>T<first_startTime>Z", "endDate": "<last_endDate>T<last_endTime>Z",\
 "type": "daily", "length": 1,\
 "participants": [\.    ##list of users
 { "type": "user",\
      "username": "john@dotdansh.io" },\
 { "type": "user",\
      "username": "paul@dotdansh.io"}\
 ] } }'
response = requests.patch('https://example.com', headers=headers, data=data)

Answer 1

我建议使用 groupby 将用户集中在一起，然后定位 'records' 而不是 'columns'：

df = df.groupby(['Team', 'StartDate', 'EndDate', 'RotationID']).agg(tuple).reset_index()

for record in df.to_dict(orient='records'):
    payload = {
        "name": record['Team'],
        "startDate": record['StartDate'],
        "endDate": record['EndDate'],
        "rotationid": record['RotationID'],
        "participants": [{ "type": "user", "username": user } for user in record['User']]
    }
    requests.patch('https://example.com/endpoint', data=payload)

groupby() 创建一个可以运行聚合的对象，例如sum() 或mean()。但在这种情况下，我们想要所有结果，所以我们使用tuple 构造函数“聚合”。这意味着用户最终会在每个组中使用tuple。因为 groupby 将您分组的内容添加到索引中，所以我在末尾删除了索引，以便 to_dict() 函数也返回它们。您的示例数据在一个组中没有多个用户，因此我在运行中添加并获得了以下有效负载：

{'name': 'IT', 'startDate': '2021-04-01', 'endDate': '2021-04-02', 'rotationid': '081435f', 'participants': [{'type': 'user', 'username': 'john@dotdansh.io'}]}
{'name': 'IT', 'startDate': '2021-04-02', 'endDate': '2021-04-03', 'rotationid': '081435f', 'participants': [{'type': 'user', 'username': 'paul@dotdansh.io'}]}
{'name': 'IT', 'startDate': '2021-04-03', 'endDate': '2021-04-04', 'rotationid': '081435f', 'participants': [{'type': 'user', 'username': 'danny@dotdansh.io'}]}
{'name': 'IT', 'startDate': '2021-04-04', 'endDate': '2021-04-05', 'rotationid': '081435f', 'participants': [{'type': 'user', 'username': 'ben@dotdansh.io'}, {'type': 'user', 'username': 'other@dotdansh.io'}]}