从excel-第2部分将列表存储到字典中答案

【问题标题】：Storing list into dictionary from excel- part 2从excel-第2部分将列表存储到字典中
【发布时间】：2019-11-06 21:26:52
【问题描述】：

我有一个列表，我想将其转换为预期的字典输出。

列表是：

[['Nodeb_IN_New',107,'class-default',['h10'],['h1'],[7],'dscp-fc-map',['ef']],[",","['h11'],['h2'],[5],'dscp-fc-map',['af41']],[",",",['l12','l13','l14'],['l1'],[4],'dscp-fc-map',['af11','af21','af31']],['Nokia_SRAN_S1-MME_X2_IN','102',",['h15','h16'],['h1'],[7],'dscp-fc-map',['ef','nc1']]]

预期的字典输出是：

res1= {'Nodeb_IN_New':{'policy_id':107,'default':'class-default','mplsa':['h10','h11','l12','l13','l14'],'mpls':['h1','h2','l1'],'qos':[7,5,4],'nokia':'dscp-fc-map','dscp':['ef','af41,'af11','af21','af31']},'Nokia_SRAN_S1-MME_X2_IN':{'policy_id':'102',default':",'mplsa':['h15','h16'],'mpls':['h1'],'qos':[7],'nokia':'dscp-fc-map','dscp':['ef','nc1']}}

这是我从中提取列表的 excel：

如果 list[0] 表示第一列为空，则不要读取 dscp_fc_map 请帮忙写代码。

【问题讨论】：

能否分享 Excel 数据的文本版本而不是图片？
Nodeb_IN_New 107 类-默认移动性-白金 h10 h1 7 dscp-fc-map ['ef'] 移动性-gold-new h11 h2 5 dscp-fc-map ['af41'] 移动性-银-new l12 l13 l14 l1 4 dscp-fc-map ['af11', 'af21', 'af31'] Nokia_SRAN_S1-MME_X2_IN 102 Nokia_SRAN_mobility_platinum h15 h16 h1 7 dscp-fc-map ['ef', 'nc1']跨度>

标签： python excel list dictionary store

【解决方案1】：

据我所知，您需要将列表列表转换为 dict，其中键是每个内部列表中的第一项，值是具有固定键的 dict，值从内部列表的第二个到最后一个元素。在 python 中这很容易：

lst = [
  ['key1', 'val1', 'val2', ['complex', 'val']], 
  ['key2', 'val21', 'val22', ['complex2', 'val2']] 
]

# First step
# result = {
#   l[0]: l[1:] for l in lst
# }

# Second step
# dict(zip(['header1', 'header2', 'header3'], l))
#

# Combined
result = {
  l[0]: dict(zip(['key11', 'key12', 'complexkey'], l[1:])) for l in lst
}

给出：

result = 
{
 'key1': {'key11': 'val1',  'key12': 'val2',  'complexkey': ['complex', 'val']  },
 'key2': {'key11': 'val21', 'key12': 'val22', 'complexkey': ['complex2', 'val2']}
}

【讨论】：

【解决方案2】：

我希望这是您正在寻找的，如果不是，请详细说明您的问题。

import pandas as pd
file_path = 'Check.xlsx'
df = pd.read_excel(file_path, encoding='utf-16')
df.rename( index={0:'policy_id', 1: 'default'...........}, inplace = True)
df = df.to_dict()

【讨论】：